Fornecendo entretenimento por meio de filtragem baseada em conteúdo e raciocínio semântico em sistemas inteligentes de recomendação

Os sistemas de recomendação surgiram devido à sobrecarga de informações presente em numerosos domínios. Os chamados sistemas de recomendação baseados em conteúdo oferecem produtos semelhantes àqueles que os usuários gostaram no passado. No entanto, devido ao uso de métricas de similaridade sintática, esses sistemas elaboram recomendações excessivamente especializadas, incluindo produtos muito semelhantes àqueles que o usuário já conhece. Neste artigo, apresentamos uma estratégia que supera a sobreespecialização aplicando técnicas de raciocínio emprestadas da Web semântica. Graças ao raciocínio, nossa estratégia descobre uma enorme quantidade de conhecimento sobre as preferências do usuário e as compara com os produtos disponíveis de uma maneira mais flexível, além das métricas sintáticas convencionais. Nossa estratégia baseada em raciocínio foi implementada em um sistema de recomendação para televisão digital interativa, com o qual verificamos que a técnica proposta oferece sugestões aprimoradas precisas que passariam despercebidas nas abordagens tradicionais.