Perspectivas da filtragem colaborativa para a indexação e sua relação com o estudo de usuários em bibliotecas especializadas

Ferreira, Débora Milena Niedzeilski and Guimarães, Ludmila dos Santos Perspectivas da filtragem colaborativa para a indexação e sua relação com o estudo de usuários em bibliotecas especializadas., 2019 . In IX Encuentro Ibérico EDICIC 2019, Barcelona, 9-11 Julho 2019. [Conference poster]

[thumbnail of DMNF-Banner_EDICIC.pdf]
Preview
 Text
DMNF-Banner_EDICIC.pdf
Download (104kB) | Preview

English abstract

The work aims to analyze the Collaborative Filtering and its relation with the indexation and with the study of users in specialized libraries. The use of recommendation systems in libraries is a reality, enhancing the process of findability of information during the search performed by the user, providing serendipity, as well as mediating between information and the user. There are several techniques, of little or great complexity, allowing the recommendation process take place. Collaborative Filtering is considered the most popular and widely applied technique in Recommendation Systems, and the suggestion process revolves around similarity among users. Additional methods and techniques are used in order to potentiate the generation of recommendations and / or solve the problems / disadvantages of this type of system, reflecting the scenario of constant development of the area of ​​Computer Science and the possibilities of application in the field of Library Science and Information Science.

Portuguese abstract

O trabalho visa analisar a Filtragem Colaborativa e sua relação com a indexação e com o estudo de usuários em bibliotecas especializadas. O uso de sistemas de recomendação em bibliotecas é uma realidade, potencializando o processo de encontrabilidade da informação durante a busca realizada pelo usuário, propiciando serendipidade, além de servir de mediador entre a informação e o usuário. Existem diversas técnicas, de pequena ou grande complexidade, permitindo que o processo de recomendação aconteça. A Filtragem Colaborativa é considerada a técnica mais popular e amplamente aplicada em Sistemas de Recomendação, e o processo de sugestão gira em torno da similaridade entre os usuários. Métodos e técnicas adicionais são utilizados a fim de potencializar a geração de recomendações e/ou solucionar os problemas/desvantagens desse tipo de sistema, refletindo o cenário de constante desenvolvimento da área da Ciência da Computação e as possibilidades de aplicação no campo da Biblioteconomia e Ciência da Informação.

Item type: Conference poster
Keywords: Sistemas de Recomendação; Filtragem Colaborativa; Estudo de usuários; Indexação.
Subjects: I. Information treatment for information services
I. Information treatment for information services > ID. Knowledge representation.
Depositing user: Miss. Débora Milena Niedzeilski Ferreira
Date deposited: 20 Jun 2019 20:59
Last modified: 20 Jun 2019 20:59
URI: http://hdl.handle.net/10760/38577

References

Adomavicius, G., &Tuzhilin, A. (2005).Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions.

IEEE Transactions on Knowledge and Data Engineering , 17(6), 734–749. Recuperado em 30 maio 2018, de

http://pages.stern.nyu.edu/~atuzhili/pdf/TKDE-Paper-as-Printed.pdf.

Araújo, C. A. A. (2010). Abordagem interacionista de estudos de usuários. Ponto de Acesso, 4(2), 2-32. Recuperado em 17 outubro 2018, de

https://rigs.ufba.br/index.php/revistaici/article/viewFile/3856/3403.

Bernartt, J. L. V. (2008). Um sistema de recomendação baseado em filtragem colaborativa. Dissertação de mestrado, Universidade Federal de

Santa Catarina, Santa Catarina, SC, Brasil. Recuperado em 30 maio 2018, de http://repositorio.ufsc.br/xmlui/handle/123456789/90866.

CASAGRANDE, M. F. R. Técnica de recomendação para repositórios digitais baseada em metadados e agrupamento de usuários . 2014.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Florianópolis, SC, Brasil. Recuperado em 09 dezembro 2018, de

https://repositorio.ufsc.br/handle/123456789/128758.

Dervin, B., & Nilan, M. (1986). Information needs and uses. Annual Review of Information Science and Technology (ARIST) , 21, 3-33. Recuperado

em 30 maio 2018, de http://www2.hawaii.edu/~donnab/lis670/dervin_nilan.pdf.

Krebs, L. M., Rocha, R. P. da, & Ribeiro, C. (2017). Quem leu este também leu...: sistema de recomendação na biblioteca universitária. Perspectivas

em Ciência da Informação, 22(1), 151-169. Recuperado em 30 maio 2018, de

http://portaldeperiodicos.eci.ufmg.br/index.php/pci/article/view/2496/1831.

Lopes, G. R., Souto, M. A. M., & Oliveira, J. P. M. de. (2006). Sistema de recomendação para bibliotecas digitais sob a perspectiva da web semântica.

Workshop de Bibliotecas Digitais. Recuperado em 30 maio 2018, de

http://www.lume.ufrgs.br/bitstream/handle/10183/7787/000556995.pdf;sequence=1.

Resnick, P., & Varian, H.R. (1997). Recommender systems. Communications of the ACM, 40(3), 55-58. Recuperado em 18 junho 2018, de

http://delivery.acm.org/10.1145/250000/245121/p56-resnick.pdf?ip=200.156.27.19&id=245121&acc=ACTIVE%20SERVICE&key=344E943C9DC262BB

%2EE3E361ADC3D62D81%2E4D4702B0C3E38B35%2E4D4702B0C3E38B35&__acm__=1529370469_ad90ad4eb5a1193dc137ec06483d8fe2.

Wakeling, S., Clough, P., & Sen, B. (2012). Readers who borrowed this also borrowed...: recommender systems in UK libraries. Library Hi Tech, 30(1),

134-150. Recuperado em 28 novembro 2018, de https://www.emeraldinsight.com/doi/abs/10.1108/07378831211213265.

Zanette, L. R. (2008). Sistema de recomendação de itens baseado na rede de confiança do usuário. Dissertação de mestrado, Universidade

Federal do Rio de Janeiro, Rio de Janeiro, RJ, Brasil. Recuperado em 30 maio 2018, de http://www.nce.ufrj.br/ginape/publicacoes/dissertacoes/d_2008/d_2008_leonardo_rosa_zanette.pdf.


Downloads

Downloads per month over past year

Actions (login required)

View Item View Item
Contact us
Send email Sponsors
Sponsor: AIMS Sponsor: D&P Sponsor: UniNa CAB Get connected
Facebook Facebook Twitter Twitter Linkedin LinkedIn RSS RSS