Defesa de Mestrado de Alex Amorim Dutra; dia 25/04/2014, as 09:00, Sala de Seminários.

Defesa de Mestrado de Alex Amorim Dutra; dia 25/04/2014, as 09:00, Sala de Seminários - DECOM

Título: Explorando Dados Públicos da Web para Descoberta de Conhecimento no Contexto de Recomendação em Música

Banca: Prof. Dr. Álvaro Rodrigues Pereira Júnior (presidente e orientador), Prof. Dr. Anderson Almeida Ferreira, Prof. Dr. Guilherme Tavares de Assis e Prof. Dr. Marcos André Gonçalves.

Resumo:    Utilização de dados públicos.
Desde a antiguidade o homem utiliza meios para realizar recomendações a outras pessoas com as quais se relaciona. Entretanto, nos dias atuais, com a explosão de informa ção acessível na Web, os meios para realizar recomendações tem sido empregado em diversos sistemas na Web. Na área da recomendação musical não tem sido diferente, pois nas últimas décadas houve uma explosão no conteúdo musical disponível e acessível, o que modicou consideravelmente a maneira de escutarmos músicas. Para isto, na literatura são utilizados métodos baseados em aprendizagem de máquina, agrupamentos entre usuários ou itens, exploração de metadados musicais, utilização de dados de uso, entre outros. Independentemente dos métodos empregados, um fator de central importância na qualidade da recomendação é a fonte de dados usada. Uma das abordagens
mais utilizadas em recomendação é a ltragem colaborativa, que pressupõe a existência de dados de ratings de usuários para os itens em recomendação. No entanto, esses dados nem sempre estão presentes nas aplicações, e mesmo quando presentes, muitas vezes são escassos para um número signicativo de usuários. Este trabalho visa explorar dados disponíveis na Web para, na falta ou escassez de dados de uso, serem usados com qualidade na recomendação no contexto de música. A hipótese é que estes dados públicos poderiam substituir com qualidade os dados de uso, que são privados, em sistemas de recomendação. Os dados públicos utilizados neste trabalho são dados coletados do histórico de programação das rádios e playlists públicos coletados do YouTube. Como estes dados são gerados por especialistas e estão presentes em grande volume, este trabalho explora a inteligência coletiva existente na geração dos programas das rádios e dos playlists. De fato, os resultados demonstram que, para os cenários onde os dados públicos são podados de forma a simular dados cada vez mais ricos, uma vez que estão presentes em maior
volume, o emprego de algoritmos desenvolvidos especialmente para esse propósito podem ser tão ecazes quanto os melhores algoritmos de ltragem colaborativa da literatura.