O título da dissertação defendida por Junior, ou Tupy, como também é conhecido, foi “Uso de Taxonomias na Recomendação de Produtos”. Basicamente foi um estudo de caso para melhorar a recomendação de livros relacionados a páginas web enquanto o usuário navega na Internet.
A pesquisa foi desenvolvida no Laboratório de Tratamento da Informação (LATIN), sob orientação de Nivio Ziviani, professor Emérito do Departamento de Ciência da Computação da UFMG. Ele é membro titular da Academia Brasileira de Ciências e da Ordem Nacional do Mérito Cientifico na classe Comendador.
O programa de pós-graduação da UFMG é Capes 7, a nota máxima que se pode atingir. A UFMG está entre as melhores universidades do mundo. Recentemente ficou na posição 351ª mundial e 6ª nacional.
Na apresentação do trabalho, Júnior Tupy foi acompanhado pela sua mãe, Noélia Carneiro, e a tia Valdete Carneiro de Matos.
Viagem para os Estados Unidos
Júnior já estava de viagem marcada para os Estados Unidos. Ele viajaria no próximo dia 7 de março para cumprir estágio, com perspectiva de contratação definitiva, na empresa EMC Corporation, no Vale do Sinício, na Califórnia, EUA.
Contudo, uma proposta irrecusável da JusBrasil, empresa que controla o maior site jurídico do País, sediada em Salvador, o fez desistir da viagem para os Estados Unidos.
Resumo da dissertação
Sistemas de recomendação procuram compreender o interesse do usuário e gerar uma lista de recomendação com itens relacionados. Neste trabalho investigamos como obter vantagem da informação presente em taxonomias para melhorar a qualidade de sistemas de recomendação baseada em conteúdo.
Adotamos o cenário onde o usuário está interessado em uma notícia publicada na Internet e um sistema de recomendação é usado para recomendar livros de uma livraria online. O sistema analisa o texto da notícia e encontra livros semelhantes utilizando técnicas de recuperação de informação.
Esta dissertação apresenta um estudo de três estratégias para explorar o uso de taxonomias em sistemas de recomendação baseada em conteúdo, a saber: descritores de categoria, características de classificação e filtro de categorias.
Diversos experimentos foram realizados sobre uma coleção de 100 páginas de notícias (páginas alvo) do The New York Times, uma taxonomia e uma coleção de livros, ambas coletadas da Amazon.com.
Resultados experimentais mostram que quando a página alvo é manualmente associada a uma categoria por humanos, os ganhos são próximos de 20% na precisão média.
Por outro lado, se essa associação é automática, os ganhos ainda são representativos e próximos de 13% na precisão média.
Da redação