Redes Neurais para Sistemas de Recomendação: uso de Redes Neurais Recorrentes para tratamento de Cold-Start Problem
Cold-Start Problem é um problema recorrente em Sistemas de Recomendação nas seguintes situações: quando um novo item é adicionado ao sistema e não possui nenhuma avaliação prévia; ou quando um usuário sem histórico de avaliação entra no sistema. Avaliando as diferentes situações em que o Cold-Start Problem se apresenta, é possível considerar o uso do histórico de navegação como alternativa para geração de recomendações. Levando em conta o formato sequencial dos dados, estudos sugerem o uso de Redes Neurais Recorrentes (RNN) por permitir maior entendimento da sequência de dados e seu contexto. Durante a revisão sistemática realizada neste trabalho, as arquiteturas de LSTM, GRU e híbridas aparecem com frequência entre as pesquisas relacionadas ao tema. Entretanto, os autores dos trabalhos revisados não comparam as arquiteturas entre si, o que é crucial para o entendimento das vantagens e desvantagens do uso de dados do histórico de navegação com RNN. Este estudo propõe a comparação das arquiteturas de LSTM, GRU e híbridas de RNN através da criação de protótipos utilizando a mesma base de entrada, avaliando suas performances através dos valores de Acurácia, Revocação, Precisão e F1-Score.
"1142596063"
Redes Neurais para Sistemas de Recomendação: uso de Redes Neurais Recorrentes para tratamento de Cold-Start Problem
Cold-Start Problem é um problema recorrente em Sistemas de Recomendação nas seguintes situações: quando um novo item é adicionado ao sistema e não possui nenhuma avaliação prévia; ou quando um usuário sem histórico de avaliação entra no sistema. Avaliando as diferentes situações em que o Cold-Start Problem se apresenta, é possível considerar o uso do histórico de navegação como alternativa para geração de recomendações. Levando em conta o formato sequencial dos dados, estudos sugerem o uso de Redes Neurais Recorrentes (RNN) por permitir maior entendimento da sequência de dados e seu contexto. Durante a revisão sistemática realizada neste trabalho, as arquiteturas de LSTM, GRU e híbridas aparecem com frequência entre as pesquisas relacionadas ao tema. Entretanto, os autores dos trabalhos revisados não comparam as arquiteturas entre si, o que é crucial para o entendimento das vantagens e desvantagens do uso de dados do histórico de navegação com RNN. Este estudo propõe a comparação das arquiteturas de LSTM, GRU e híbridas de RNN através da criação de protótipos utilizando a mesma base de entrada, avaliando suas performances através dos valores de Acurácia, Revocação, Precisão e F1-Score.
9.99
In Stock
5
1
Redes Neurais para Sistemas de Recomendação: uso de Redes Neurais Recorrentes para tratamento de Cold-Start Problem
160Redes Neurais para Sistemas de Recomendação: uso de Redes Neurais Recorrentes para tratamento de Cold-Start Problem
160
9.99
In Stock
Product Details
ISBN-13: | 9786525263267 |
---|---|
Publisher: | Editora Dialética |
Publication date: | 10/28/2022 |
Sold by: | Bookwire |
Format: | eBook |
Pages: | 160 |
File size: | 5 MB |
Language: | Portuguese |
From the B&N Reads Blog