@MASTERSTHESIS{ 2017:2087826773,
 	title = {Aprendizado neural de representação de conteúdo para sistema de recomendação de filmes},
 	year = {2017},
 	url = "http://tede2.pucrs.br/tede2/handle/tede/7740",
 	abstract = "Sistemas de recomendação são softwares cujo propósito é gerar listas personalizadas, de
 acordo com as preferências de usuários. A área é bastante recente e está em expansão desde a popularização
 da internet tendo suas raízes em recuperação de informação. Dos dois tipos tradicionais
 de sistemas de recomendação, a filtragem colaborativa é a mais utilizada na academia e na indústria
 por trazer melhores resultados que o segundo tipo, a filtragem baseada em conteúdo. Este último
 sofre de problemas tais como a falta de informação semântica e a dificuldade em extrair conteúdo
 dos itens. Atualmente há uma maior disponibilidade de conteúdo de itens na forma de recursos multimídia
 tais como vídeos, imagens e texto. Também houve avanços no reconhecimento de padrões
 em imagens através de técnicas como as redes neurais convolucionais. Neste trabalho, propõe-se
 utilizar uma rede neural convolucional como extratora de atributos dos quadros que compõe trailers
 de filmes que servem como base para um sistema de recomendação baseado em conteúdo com o
 objetivo de avaliar se o sucesso destas redes em tarefas como classificação de imagens e detecção de
 objetos também ocorre no contexto de recomendações. Para esta avaliação, comparou-se o método
 proposto com um método de detecção de estética de mídia, dois métodos de extração de conteúdo
 de texto usando TF-IDF e os tradicionais métodos colaborativos entre usuários e itens. Os resultados
 obtidos mostram que o método proposto neste trabalho é superior aos demais métodos baseados
 em conteúdo e é competitivo com os métodos colaborativos, superando o método colaborativo entre
 itens na métrica que representa acurácia de classificação e também, superando todos os outros
 métodos com relação ao tempo de execução. Concluiu-se que o método que utiliza redes neurais
 convolucionais para representar itens é promissor para o contexto de sistemas de recomendação.",
 	publisher = {Pontifícia Universidade Católica do Rio Grande do Sul},
 	scholl = {Programa de Pós-Graduação em Ciência da Computação},
 	note = {Faculdade de Informática}
}