Sistema de recomendação híbrido baseado em atributos e personalidade para recomendação de livros

Nos últimos anos, com o rápido aumento de livros, encontrar livros relevantes tem sido um problema. Para isso, as pessoas podem precisar da opinião de seus pares para completar essa tarefa. O problema é que livros relevantes só podem ser encontrados se houver outros usuários ou pares que tenham os mesmos interesses que eles. Caso contrário, nunca encontrarão livros relevantes. Sistemas de recomendação podem ser uma solução para esse problema. Eles funcionam ao encontrar itens relevantes com base na experiência de outros usuários. Embora a pesquisa sobre sistemas de recomendação esteja aumentando, ainda não há muita pesquisa que considere a personalidade do usuário nesses sistemas, apesar de que as preferências pessoais são realmente importantes nos dias de hoje. Este artigo discute nossa pesquisa em um método baseado em híbrido que combina métodos baseados em atributos e na personalidade do usuário para sistema de recomendação de livros. O método baseado em atributos já foi implementado anteriormente. Em nossa pesquisa, implementamos o método MSV-MSL (Material Mais Semelhante Visitado ao Aprendiz Mais Semelhante), uma vez que é o melhor método entre métodos híbridos baseados em atributos. O fator de personalidade é utilizado para encontrar a similaridade entre usuários ao criar relações de vizinhança. O método é testado usando Book-crossing e Amazon Review em conjuntos de dados da categoria de livros. Nosso experimento mostra que o método combinado que considera a personalidade do usuário oferece um resultado melhor do que aqueles sem a personalidade do usuário no conjunto de dados do Book-crossing. Em contrapartida, resultou em um desempenho inferior no conjunto de dados do Amazon Review. Pode-se concluir que a consideração da personalidade do usuário pode fornecer um resultado melhor em determinadas condições, dependendo do próprio conjunto de dados e da proporção de uso.