Marcelo Garcia Manzato.

Professor do módulo Entendendo o valor dos sistemas de recomendação personalizados para o e-business/negócios

Professor do módulo Tratamento de Dados Multimídia

Professor do módulo Entendendo o valor dos sistemas de recomendação personalizados para o e-business/negócios

Professor do módulo Entendendo o valor dos sistemas de recomendação personalizados para o e-business/negócios

Coordenador do curso A Postgraduate Guide to Recommender Systems ministrado pelo prof. Derek Bridge da University College Cork

Professor do módulo: Casos de uso de sistemas de recomendação em negócios ? aplicações e métodos atuais

Professor responsável pelo módulo Recuperação de Informação

Professor do módulo Tratamento de Dados Multimídia

Sistemas de recomendação têm sido pesquisados extensivamente nas últimas décadas para filtrar informações. Pesquisas atuais geralmente se concentram em melhorias incrementais de algoritmos, mas ignoram desafios críticos, incluindo bolhas de filtro e injustiça causadas por recomendações tendenciosas. Embora haja esforços para reduzir cada uma dessas questões individualmente, faltam trabalhos que explorem ambos os problemas ao mesmo tempo. O objetivo geral deste projeto é pesquisar como essas bolhas de filtro e injustiça podem ser abordadas e resolvidas. Ao combinar de forma eficiente tanto a calibração quanto os estímulos digitais para recomendações mais diversas, pretende-se apoiar a conscientização sobre bolhas de filtro e injustiça, e a exposição a conteúdo mais diversificado e justo.

Sistemas de recomendação surgiram com o objetivo de selecionar e apresentar conteúdo de acordo com as preferências dos usuários, reduzindo, assim, o problema da sobrecarga de informação. Dentre as técnicas disponíveis, as mais conhecidas são a filtragem colaborativa e a baseada em conteúdo. Adicionalmente, há atualmente uma tendência em utilizar informações fornecidas colaborativamente pelos usuários, como etiquetas, revisões, comentários e interações, a fim de reduzir problemas comuns em recomendação, como a sobre-especialização, partida fira e análise limitada de conteúdo. Entretanto, essas anotações podem conter ruído, ironia e ambiguidade, além de estarem em uma forma não padronizada e desestruturada. Além disso, falta uma organização semântica nos dados de modo que seja possível inferir automaticamente o significado dos conceitos relacionados. Deste modo, este projeto tem como objetivo investigar métodos de como utilizar anotações produzidas colaborativamente pelos usuários para descrever de maneira semântica as entidades envolvidas em sistemas de recomendação. A fim de reduzir problemas inerentes à utilização de dados não-estruturados, pretende-se desenvolver um método que aplica diferentes técnicas de extração de características, análise de sentimento e aprendizado de máquina para se obter uma versão rica e padronizada semanticamente sobre os itens e sobre as preferências dos usuários.

Serviços de recomendação são uma importante ferramenta para lidar com a sobrecarga de informações. Entretanto, um problema comum existente é o conhecimento de informações significativas sobre o conteúdo e sobre as preferências do usuário. A dificuldade de se obter essas informações é chamada de lacuna semântica, e os problemas relacionados têm sido estudados por pesquisadores ao longo dos anos. Por outro lado, com o advento da Web 2.0 e a possibilidade de usuários atuarem como produtores de conteúdo e incrementarem os dados com anotações, novas possibilidades de pesquisa foram criadas para reduzir os efeitos da lacuna semântica. Este plano de pesquisa tem como objetivo investigar alguns dos desafios relacionados com a utilização de anotações colaborativas para melhorar serviços de recomendação. Para isso, propõe-se o desenvolvimento de um modelo unificado de recomendação capaz de analisar as informações produzidas pela interação dos usuários com o sistema, a fim de se obter automaticamente metadados mais ricos sobre o o conteúdo, e também sobre os interesses pessoais dos indivíduos. Como resultados esperados do projeto, destaca-se a integração eficiente de técnicas provenientes de diferentes áreas, como a recuperação de informação, aprendizado de máquina e processamento de linguagem natural, no contexto de sistemas de recomendação.

O conhecimento de informações semânticas a respeito do conteúdo e interesses dos usuários é essencial para o provimento de serviços de seleção e recomendação, que filtram os dados segundo as intenções e preferências de cada indivíduo. Por outro lado, a falta de técnicas genéricas e eficientes para extrair essas informações de alto-nível faz com que o problema da lacuna semântica persista até hoje. A utilização de anotações produzidas pelos usuários pode reduzir esse problema, uma vez que metadados mais ricos semanticamente podem ser extraídos a partir da atividade de interação realizada pelos usuários. Entretanto, para viabilizar essa estratégia, alguns problemas precisam ser investigados, como a presença de ruídos e dados irrelevantes, a maneira de se construir e representar as informações, a falta de mecanismos para transformar as anotações em dados estruturados semanticamente e a aplicação dessas informações em serviços apropriados. Este plano de pesquisa tem como objetivo investigar esses desafios, de modo a possibilitar o desenvolvimento de aplicações de seleção multimídia. Espera-se que os metadados semânticos sobre conteúdo e preferências pessoais possam ser extraídos colaborativamente pelos usuários de maneira irrestrita ao domínio de dados, não requerendo esforços dispendiosos e suscetíveis a erros tal como ocorre em abordagens verificadas atualmente na literatura.

Este pojeto tem por objetivo realizar extensões ao Ginga, o middleware do Sistema Brasileiro de TV Digital, de modo a permitir modos de interatividade avançados

O rápido desenvolvimento de novas tecnologias para redes de alta banda, comunicação sem fio, técnicas de compressão, etc, tornou possível o desenvolvimento de sofisticadas infraestruturas de comunicação para suportar uma variedade de aplicações multimídia. Dentre essas podemos distinguir, por exemplo, a transmissão de áudio e vídeo em tempo real. Entretanto, um ambiente sem fio traz desafios adicionais a essas aplicações devido a taxas mais altas de erro em comparação a redes interligadas por fibra ótica, limitações de banda e mobilidade dos usuários. O objetivo deste projeto será estudar, conceber e avaliar o desempenho de um conjunto de mecanismos e protocolos capazes de lidar com esses aspectos para permitir a transmissão de vídeo com qualidade e segurança. Dentre os aspectos abordados neste projeto podemos citar protocolos e mecanismos de provisão de QoS e segurança em redes sem fio, caracterização do tráfego de vídeo, middleware para o gerenciamento da QoS nestas redes e aplicações de vídeo adaptativas