Explorando a Dissimilaridade em Sistemas Colaborativos de Recomendação

Abstract

O grande volume de opções existentes em variadas aplicações comerciais tornaram Sistemas de Recomendação (SR) ferramentas cruciais para auxiliar os usuários em suas escolhas. Apesar dos avanços recentes em SR, há ainda uma necessidade por técnicas mais eficazes e aplicáveis a um número maior de domínios. Grande parte dos problemas existentes decorrem da modelagem simplificada utilizada. Neste trabalho, propomos uma modelagem de usuários mais rica  que permite extrapolar a usual análise de similaridade.Além disso, propomos uma técnica que, explorando informações definidas como dissimilaridade, provê melhorias significativas sobre técnicas tradicionais de sistemas colaborativos, bem como reduz o custo de análise requerido por tais técnicas.