Avaliação de sistemas de recomendação de conteúdo : uma abordagem offline

Abstract

Resumo: Nesta monografia, exploramos o desenvolvimento e a avaliação de sistemas de recomendação de conteúdo usando o conjunto de dadosMovieLens 25M. Duas abordagens principais são consideradas: filtragem baseada em conteúdo e filtragem colaborativa. O método de filtragem baseada em conteúdo utiliza distância por cosseno a partir dos gêneros dos filmes para fazer recomendações com base nos filmes já assistidos pelos usuários. Por outro lado, a filtragem colaborativa aproveita as avaliações de outros usuários em outras obras para identificar usuários semelhantes e recomendar filmes ainda não assistidos ou desconhecidos. Por fim, serão discutidas a eficácia e as limitações dos métodos, proporcionando estratégias para suas aplicações práticas e desempenho emcenários do mundo real.

Abstract: In this essay, we explore the development and evaluation of content recommendation systems using the MovieLens 25M dataset. Two main approaches are considered: content-based filtering and collaborative filtering. The content-based filtering method uses cosine similarity from movie genres to recommend films based on those already watched by users. On the other hand, collaborative filtering leverages ratings from other users on different works to identify similar users and recommend movies that have not yet been watched or are unknown. Finally, the effectiveness and limitations of the methods will be discussed, providing strategies for their practical applications and performance in real-world scenarios.