Repository logo
 
Publication

Sistema de recomendação Web usando agentes

dc.contributor.authorMorais, A. Jorge
dc.contributor.authorNeto, Joaquim
dc.contributor.authorOliveira, EugƩnio
dc.contributor.authorJorge, Alƭpio MƔrio
dc.date.accessioned2014-04-23T10:12:34Z
dc.date.available2014-04-23T10:12:34Z
dc.date.issued2013
dc.description.abstractO crescimento da Web trouxe vÔrios problemas aos utilizadores. A grande quantidade de informação existente hoje em dia em alguns sítios Web torna a procura de informação útil muito difícil. Os objetivos dos proprietÔrios dos sítios Web e dos utilizadores nem sempre coincidem. O conhecimento dos padrões de visitas dos utilizadores é crucial para que os proprietÔrios possam transformar e adaptar o sítio Web. Este é o princípio do sítio Web adaptativo: o sítio Web adapta-se de forma a melhorar a experiência do utilizador. Alguns algoritmos foram propostos para adaptar um sítio da Web. Neste artigo, descrevemos uma proposta de um sistema de recomendação Web baseado em agentes que combina dois algoritmos: regras de associação e filtragem colaborativa. Ambos os algoritmos são incrementais e funcionam com dados binÔrios. Os resultados mostram que, em algumas situações, a abordagem multiagente melhora a capacidade preditiva quando comparada com os agentes individuais.por
dc.description.abstractThe growth of the Web has brought several problems for users. Today the vast amount of information on some web sites makes useful information finding very difficult. The objectives of the owners of the web sites and users do not always coincide. The knowledge of patterns of user visits is crucial to the owners to transform and adapt their web site. This is the adaptive website principle: the website adapts to improve the user experience. Some algorithms have been proposed to tailor a website. In this paper, we describe a proposal for a web recommendation system based on agents that combines two algorithms: association rules and collaborative filtering. Both algorithms are incremental and work with binary data. The results show that, in some situations, the multi-agent approach overcomes the predictive capacity of individual agents.por
dc.identifier.citationMorais, A. Jorge [et al.] - Sistema de recomendação Web usando agentes [Em linha]. "Revista de Ciências da Computação"[Em linha]. ISSN 1646-6330 (Print) 2182-1801 (Online). Vol. 8, nº 8 (2013), p. 23-35por
dc.identifier.doihttps://doi.org/10.34627/rcc.v8i0.94
dc.identifier.issn1646-6330
dc.identifier.issn2182-1801
dc.identifier.urihttp://hdl.handle.net/10400.2/3092
dc.language.isoporpor
dc.peerreviewedyespor
dc.publisherUniversidade Aberta
dc.relation.publisherversionhttps://journals.uab.pt/index.php/rcc/article/view/94
dc.subjectWeb miningpor
dc.subjectSistemas de recomendaçãopor
dc.subjectSistemas multiagentepor
dc.subjectWeb miningpor
dc.subjectRecommendation systemspor
dc.subjectMulti-agent systemspor
dc.titleSistema de recomendação Web usando agentespor
dc.typejournal article
dspace.entity.typePublication
oaire.citation.endPage35por
oaire.citation.startPage23por
oaire.citation.titleRevista de Ciências da Computaçãopor
person.familyNameMorais
person.familyNameNeto
person.givenNameA. Jorge
person.givenNameJoaquim
person.identifierD-1723-2009
person.identifier2488644
person.identifier.ciencia-idF314-1D77-536E
person.identifier.ciencia-id0A10-2459-C7E6
person.identifier.orcid0000-0003-2224-1609
person.identifier.orcid0000-0003-1228-1236
person.identifier.ridHKO-1960-2023
person.identifier.scopus-author-id57194584599
person.identifier.scopus-author-id56326334100
rcaap.rightsopenAccesspor
rcaap.typearticlepor
relation.isAuthorOfPublication571a1c49-329b-4b4e-ad48-78c5ff9c6e01
relation.isAuthorOfPublication809f9cc1-ef9c-4d9f-8bb9-a1cb572a1c78
relation.isAuthorOfPublication.latestForDiscovery571a1c49-329b-4b4e-ad48-78c5ff9c6e01

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
RCC.pdf
Size:
701.04 KB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: