Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/22097
Registo completo
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Ribeiro, Ricardo Daniel Santos Faro Marques | - |
dc.contributor.advisor | Batista, Fernando Manuel Marques | - |
dc.contributor.author | Bunga, Rosária Patrícia Firmino | - |
dc.date.accessioned | 2021-02-19T11:08:50Z | - |
dc.date.issued | 2020-12-21 | - |
dc.date.submitted | 2020-11 | - |
dc.identifier.citation | Bunga, R. P. F. (2020). Sistema de recomendação de videojogos [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório Iscte. http://hdl.handle.net/10071/22097 | pt-PT |
dc.identifier.uri | http://hdl.handle.net/10071/22097 | - |
dc.description.abstract | Esta dissertação, foca-se no estudo e comparação do desempenho de algoritmos de recomendação baseados em filtragem colaborativa, com o objetivo de propor um sistema de recomendação de videojogos. Esse sistema utiliza informações provenientes da plataforma Steam, que podem ser descritos como dados implícitos, e que posteriormente foram transformados em classificações explícitas para serem usadas nos algoritmos. Os algoritmos foram implementados com recurso à biblioteca Surprise, que permite criar e avaliar sistemas de recomendação baseados em dados explícitos. O trabalho foca-se em abordagens computacionalmente menos exigentes, demostrando que as mesmas podem obter bons resultados. Os algoritmos são avaliados e comparados entre si usando métricas como RSME, MAE, Precision@k, Recall@k e F1@k. | por |
dc.description.abstract | This dissertation focuses on the study and compare of the performance of collaborative filtering algorithms, with the intent of proposing a videogame-oriented recommendation system. This system uses information from the video game platform “Steam”, which can be described as implicit feedback, and that were later transformed into explicit feedback. These algorithms were implemented using Python’s Surprise library, that allows to create and evaluate recommender systems that deal with explicit data. The work focuses on computationally fewer demanding approaches, demonstrating that they can obtain good results. The algorithms are evaluated and compared with each other using metrics such as RSME, MAE, Precision@k, Recall@k and F1@k. | por |
dc.language.iso | por | por |
dc.rights | openAccess | - |
dc.subject | Sistema de recomendação | por |
dc.subject | Filtragem colaborativa | por |
dc.subject | Classificação implícita | por |
dc.subject | Validação cruzada | por |
dc.subject | Avaliação offline | por |
dc.subject | Jogo de vídeo | por |
dc.subject | Recommendation system | por |
dc.subject | Collaborative filtering | por |
dc.subject | Implicit feedback | por |
dc.subject | Cross-validation | por |
dc.subject | Offline evaluation | por |
dc.subject | Video games | por |
dc.title | Sistema de recomendação de videojogos | por |
dc.type | masterThesis | por |
dc.peerreviewed | yes | por |
dc.identifier.tid | 202627721 | por |
dc.subject.fos | Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | por |
thesis.degree.name | Mestrado em Engenharia de Telecomunicações e Informática | por |
dc.date.embargo | 2021-12-21 | - |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
master_rosaria_firmino_bunga.pdf | 3,36 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.