Filtragem colaborativa baseada no algoritmo k-Nearest Neighbors | Uma abordagem para redução do custo computacional do KNN

António Alexandre Moura Costa (u. a.)

ISBN 10: 6139708389 / ISBN 13: 9786139708383

Published by Novas Edições Acadêmicas, 2019

About this Item

Filtragem colaborativa baseada no algoritmo k-Nearest Neighbors | Uma abordagem para redução do custo computacional do KNN | António Alexandre Moura Costa (u. a.) | Taschenbuch | Portugiesisch | 2019 | Novas Edições Acadêmicas | EAN 9786139708383 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu.

Seller Inventory # 117440326

Bibliographic Details

• Title: Filtragem colaborativa baseada no algoritmo k-Nearest Neighbors | Uma abordagem para redução do custo computacional do KNN
• Publisher: Novas Edições Acadêmicas
• Publication Date: 2019
• Language: Portuguese
• ISBN 10: 6139708389
• ISBN 13: 9786139708383
• Binding: Taschenbuch
• Condition: Neu
• Dimensions: 220W x 150H x 7D millimeters 220 millimeters width by 150 millimeters height by 7 millimeters depth
• Weight: 155 grams
• Seller catalogs:
  • Bücher

About this title

Synopsis

Com o surgimento da Web 2.0 o volume de informações disponíveis na Internet cresceu acentuadamente, tornando cada vez mais difícil para o usuário alcançar a informação desejada. A filtragem colaborativa é uma das abordagens mais eficazes na área de recomendação. Dentre os algoritmos colaborativos, o k-Nearest Neighbors (kNN) destaca-se como uma alternativa simples, popular e capaz de fornecer excelentes resultados. Esse algoritmo gera recomendações a partir das avaliações dos usuários mais similares (vizinhos mais próximos) ao usuário alvo. Apesar de sua eficácia, o kNN apresenta um custo computacional elevado ao ser executado em grandes bases de dados, tornando sua aplicação inviável em alguns domínios. Neste trabalho objetiva-se melhorar o desempenho do kNN a partir da restrição do espaço de busca dos vizinhos mais próximos. O método proposto utiliza uma heurística de seleção baseada na escolha dos usuários que mais avaliaram itens. Como resultado, constatou-se que utilizando apenas 15% dos usuários na busca dos vizinhos, consegue-se reduzir significativamente o custo computacional, porém mantendo alto nível de acurácia.