Exploration of contextual information extraction methods for construction of baselines in the user review domain.
| dc.contributor | Instituto de Ciências Matemáticas e de Computação – ICMC/USP | pt_BR |
| dc.contributor.author | Sundermann, Camila Vaccari | |
| dc.contributor.author | Domingues, Marcos Aurélio | |
| dc.contributor.author | Rezende, Solange Oliveira | |
| dc.date.accessioned | 2019-02-05T15:53:14Z | |
| dc.date.available | 2019-02-05T15:53:14Z | |
| dc.date.issued | 2018-11 | |
| dc.description.abstract | Nowadays, with the growth of the digital universe, e-commerce and social networks, a great diversity of information, products and services is available on the Web. A recommender system can aid in user decisions like which product to buy, which movie to watch and which hotel to book. Traditional recommender systems focus on user and item data to generate recommendations. However, empirical studies indicate that context-aware approaches can produce more precise recommendations. Context-aware recommender systems are being extensively investigated. However, there is a lack of automatic methods for extracting this contextual information. With the advancement of Web 2.0 and the growing popularity of social networking and e-commerce, users have been increasingly encouraged to write reviews describing their opinions on items. There is a growing effort to incorporate into the recommender systems the important information that can be extracted from reviews. Some context extraction methods that use text mining techniques have been proposed in the literature. In this way, the objective of this work is to explore and evaluate two context extraction methods in the domain of reviews, a method based in named entities and a method based in topic hierarchies. This exploration allows the construction of baselines to be used in works that are under development in the area of context-aware recommender systems. | pt_BR |
| dc.description.notes | Relatórios Técnicos do ICMC; 427 | pt_BR |
| dc.format | 41 p. | pt_BR |
| dc.identifier.uri | http://repositorio.icmc.usp.br//handle/RIICMC/6880 | |
| dc.language.iso | eng | pt_BR |
| dc.publisher.city | São Carlos, SP, Brasil. | pt_BR |
| dc.subject | Mineração de dados | pt_BR |
| dc.subject | Aprendizado computacional | pt_BR |
| dc.title | Exploration of contextual information extraction methods for construction of baselines in the user review domain. | pt_BR |
| dc.title.alternative | Exploração de métodos de extração de informações contextuais para construção de linhas de base no domínio de revisão de usuários. | pt_BR |
| dc.type.category | Relatórios técnicos | pt_BR |
| usp.description.abstracttranslated | Atualmente, com o crescimento do universo digital, e-commerce e redes sociais, uma grande diversidade de informações, produtos e serviços está disponível na web. Um sistema de recomendação pode auxiliar nas decisões do usuário, como qual produto comprar, qual filme assistir e qual hotel reservar. Os sistemas tradicionais de ecomendação concentram-se nos dados de usuários e itens para gerar recomendações. No entanto, estudos empíricos indicam que abordagens sensíveis ao contexto podem produzir recomendações mais precisas. Sistemas de recomendação sensíveis ao contexto estão sendo extensivamente investigados. No entanto, há uma falta de métodos automáticos para extrair essas informações contextuais. Com o avanço da Web 2.0 e a crescente popularidade das redes sociais e do comércio eletrônico, os usuários tem sido cada vez mais encorajado a escrever resenhas descrevendo suas opiniões sobre itens. Há um esforço crescente para incorporar nos sistemas de recomendação as informações importantes que podem ser extraídas das revisões. Alguns métodos de extração de contexto que utilizam técnicas de mineração de texto têm sido propostos na literatura. Desta forma, o objetivo deste trabalho é explorar e avaliar dois métodos de extração de contexto no domínio de revisões, um método baseado em entidades nomeadas e um método baseado em hierarquias de tópicos. Essa exploração permite a construção de linhas de base para serem usadas em obras que estão em desenvolvimento na área de sistemas de recomendação sensíveis ao contexto. | pt_BR |