Optimização da Filtragem Colaborativa Baseada no Utilizador

Com o avanço das tecnologias na era moderna, a quantidade de dados que emerge de várias fontes como websites em linha, Internet das coisas, comércio electrónico, etc., continua a aumentar a um ritmo maior. Os dados disponíveis são demasiados para um utilizador comum poder tratar. Assim, o sistema de recomendação esforça-se por fornecer a informação certa ao utilizador certo à sua porta e facilita a sua utilização pelos utilizadores. A medida de semelhança é considerada como um passo importante para determinar a exactidão do sistema de recomendação. Uma filtragem colaborativa clássica é implementada através da utilização do coeficiente de correlação Pearson ou da semelhança Cosine, que tem os seus próprios méritos e deficiências. Propomos uma medida de semelhança melhorada através da aplicação da metodologia baseada no conjunto sobre medidas básicas de semelhança e analisamos o impacto das várias medidas de semelhança melhorada, tais como o coeficiente de correlação de Pearson baseado no conjunto, o coeficiente de correlação de Spearman baseado no conjunto, o Kendall baseado no sistema de recomendação de filtragem colaborativa baseado no utilizador. Observou-se que as medidas de semelhança melhoradas obtidas a partir de metodologias baseadas em conjuntos eram mais significativas do que as medidas básicas utilizando o teste Wilcoxon.