Utilize este identificador para referenciar este registo: http://hdl.handle.net/10400.2/3896
Título: Abordagem multiagente em sistemas de recomendação Web
Autor: Neto, Joaquim
Orientador: Morais, A. Jorge
Palavras-chave: Informática
Páginas Web
Sistemas de recomendação
Internet
Web recommender systems
Multi-agent systems
Association rules
Collaborative filtering
JADE
Data de Defesa: 2015
Citação: Neto, Joaquim - Abordagem multiagente em sistemas de recomendação Web [Em linha]. [S.l.] : [s.n.], 2015. 101 p.
Resumo: O crescimento exponencial da informação disponível na Web torna difícil para os utilizadores a tarefa de obter a informação que pretendem e quando dela necessitam. Para ultrapassar o problema, os sítios Web têm vindo a incorporar sistemas de recomendação que, baseados no histórico de acessos, têm como objetivo maximizar a satisfação dos utilizadores, disponibilizando-lhes recomendações de alta qualidade. A complexidade do problema e a natureza distribuída da Web justificam abordagens baseadas na tecnologia dos agentes inteligentes autónomos e sistemas multiagente, permitindo combinar múltiplos algoritmos de recomendação, aumentando assim as hipóteses das recomendações sugeridas serem efetivamente do interesse do utilizador. É este o tipo de abordagem explorada pelo sistema de recomendação multiagente AMAAFWA (A Multi-Agent Approach for Web Adaptation) (Morais, 2013). Os testes realizados em modo offline mostraram que essa abordagem multiagente, baseada em agentes implementando diferentes algoritmos, apresenta um desempenho superior ao dos algoritmos considerados individualmente. O objetivo desta dissertação é adaptar e testar o sistema AMAAFWA em tempo real, com o objetivo de validar os resultados obtidos em modo offline, pelo que se procedeu à sua adaptação para funcionamento online, integrando-o num sítio Web. O sistema AMAAFWA baseia-se numa classificação implícita dos itens e os algoritmos de recomendação são baseados em memória e incrementais. Foi também criada e testada uma versão do sistema que considera uma classificação explícita dos itens por parte dos utilizadores, com o propósito de comparar o desempenho de ambos os tipos de classificação. Demonstra-se na presente dissertação que o sistema de recomendação multiagente AMAAFWA, em funcionamento online, apresenta um desempenho superior ao dos algoritmos considerados individualmente, sendo ainda capaz de melhorar a satisfação do utilizador e contribuir para o aumento do sucesso do sítio Web em que se insere. Relativamente à comparação dos tipos de classificação implícita e explícita dos itens, os resultados mostram desempenhos similares.
The exponential growth of information available on the Web makes it difficult for users to get the information they want and when they need it. To overcome the problem, the Web sites are using recommender systems in order to provide high-quality recommendations to the users and, in that way, improve user satisfaction. The complexity of the problem and the distributed nature of Web justify the use of the autonomous intelligent agents and multi-agent systems technology approaches, which allows the combination of multiple recommendation algorithms in order to increase the chances of the suggested recommendations to be actually of interest to the users. The multi-agent recommender system AMAAFWA (A Multi-Agent Approach for Web Adaptation) (Morais, 2013) explores this approach. The results of the tests performed offline showed that this multi-agent approach, based on agents implementing different algorithms, has a higher performance when compared to individual algorithms. The goal of this dissertation is to adapt and test the AMAAFWA system in real-time operation, in order to validate the results obtained in offline mode. So, we adapted the system for online operation and integrate it on a website. The AMAAFWA system is based on implicit classification of items and the recommendation algorithms are memory and item-based and incremental. It was also built and tested a version of the system that considers explicit classification of items by users, with the aim of comparing the performance of both types of classification. It is shown in this dissertation that the multi-agent recommender system AMAAFWA, in online and real-time operation, has a higher performance when compared to individual algorithms, being able to improve user satisfaction and contribute to the increasing success of the website. Concerning the comparison between implicit and explicit classification, the results show a similar performance for both.
Descrição: Dissertação de Mestrado em Tecnologias e Sistemas Informáticos Web apresentada à Universidade Aberta
URI: http://hdl.handle.net/10400.2/3896
Aparece nas colecções:Mestrado em Tecnologias e Sistemas Informáticos Web / Master’s Degree in Web Technologies and Systems - TMTSIW

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
TMTSIW_Joaquim Neto.pdf2,63 MBAdobe PDFVer/Abrir


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Degois 

Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.