Avaliação de sistemas de recomendação para plataformas de streaming com animes (2024)
- Authors:
- Autor USP: SILVA, MARDEN NILTON RODRIGUES DA - ICMC
- Unidade: ICMC
- Subjects: APRENDIZADO COMPUTACIONAL; SISTEMAS DE RECOMENDAÇÃO; STREAMING
- Keywords: Animes CRISP-DM; Filtragem colaborativa; Filtragem baseada em conteúdo; Filtragem baseada em popularidade; Sistema de recomendação híbrido; CRISP-DM
- Language: Português
- Abstract: O mercado de streaming passou por um crescimento vertiginoso nos últimos anos. Plata formas como Netflix, Amazon, Disney e HBO continuam investindo em tecnologia para facilitar o acesso a conteúdos on demand, incluindo filmes, séries e animações japone sas (animes). Com a quantidade cada vez maior de conteúdos disponíveis, sistemas de recomendação assumem papel fundamental para aumentar a retenção e satisfação dos usuários. Os animes, uma categoria crescente em popularidade, têm recebido destaque em plataformas para o público geral e, anualmente, registra-se uma quantidade cada vez maior de lançamentos. No entanto, a literatura carece de estudos sobre recomendações para esse tipo de categoria. Por esse motivo, este trabalho visou avaliar técnicas de recomendação de conteúdo para plataformas de streaming, com foco específico em animes. Buscou-se determinar quais técnicas são mais eficazes em prever as notas que os usuários dariam a animes. Foram exploradas diversas técnicas de recomendação, incluindo sistemas baseados em popularidade, baseados em conteúdo (utilizando metadados como gênero e sinopse), filtragem colaborativa (baseada em memória e em modelo) e sistemas híbridos. A avaliação foi feita com as métricas RMSE e MAE utilizando um conjunto de dados originado da plata forma MyAnimeList. Os resultados demonstraram que a filtragem colaborativa baseada em modelo, especificamente usando SVD (Singular Value Decomposition), apresentou a melhor performance de recomendação, seguida por um sistema híbrido que combinou filtragem colaborativa baseada em item com a abordagem baseada em conteúdo. Porém, destaca-se também a importância de utilizar diferentes métodos de recomendação a depender da etapa da jornada do usuário, garantindo uma experiência personalizada e eficiente na escolha de conteúdos.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
SILVA, Marden Nilton Rodrigues da. Avaliação de sistemas de recomendação para plataformas de streaming com animes. 2024. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/617eaa30-19d4-4486-972c-ec23b32e8842/Marden_Nilton_Rodrigues_da_Silva.pdf. Acesso em: 18 mar. 2025. -
APA
Silva, M. N. R. da. (2024). Avaliação de sistemas de recomendação para plataformas de streaming com animes (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/617eaa30-19d4-4486-972c-ec23b32e8842/Marden_Nilton_Rodrigues_da_Silva.pdf -
NLM
Silva MNR da. Avaliação de sistemas de recomendação para plataformas de streaming com animes [Internet]. 2024 ;[citado 2025 mar. 18 ] Available from: https://bdta.abcd.usp.br/directbitstream/617eaa30-19d4-4486-972c-ec23b32e8842/Marden_Nilton_Rodrigues_da_Silva.pdf -
Vancouver
Silva MNR da. Avaliação de sistemas de recomendação para plataformas de streaming com animes [Internet]. 2024 ;[citado 2025 mar. 18 ] Available from: https://bdta.abcd.usp.br/directbitstream/617eaa30-19d4-4486-972c-ec23b32e8842/Marden_Nilton_Rodrigues_da_Silva.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Marden_Nilton_Rodrigues_d... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
