Uma Abordagem Híbrida para Sistemas de Recomendação com Base em Avaliações Textuais e Filtragem Colaborativa
Open Access
- 10 July 2026
- journal article
- Published by Sociedade Brasileira de Computação in Revista Eletrônica de Iniciação Científica em Computação
- Vol. 24, 452-458
Abstract
Sistemas de recomendação (SsR) utilizam cada vez mais avaliações textuais para aprimorar a modelagem de preferências. Embora os SsR baseados em revisões (RARs) capturem nuances semânticas, apresentam dificuldades em lidar com padrões colaborativos. A filtragem colaborativa (FC) tradicional é robusta em relações estruturais, mas limitada na semântica. Propomos uma abordagem híbrida que integra representações semânticas derivadas de RARs em modelos de FC. Avaliada em três conjuntos de dados da Amazon, nossa proposta demonstra que os modelos híbridos superam os modelos de referência, alcançando um erro de previsão até 2,8 vezes menor e uma precisão 60% maior, destacando seu potencial para recomendações robustas e contextualizadas.Keywords
This publication has 27 references indexed in Scilit:
- RI-GCN: Review-aware Interactive Graph Convolutional Network for Review-based Item Recommendation2022
- CARM: Confidence-aware recommender model via review representation learning and historical rating behavior in the online platformsNeurocomputing, 2021
- Hybrid neural recommendation with joint deep representation learning of ratings and reviewsNeurocomputing, 2020
- Multi-Criteria Review-Based Recommender System–The State of the ArtIEEE Access, 2019
- SVD-based incremental approaches for recommender systemsJournal of Computer and System Sciences, 2015
- Recommender Systems in Industry: A Netflix Case Study2015
- Recommender Systems: Introduction and Challenges2015
- An Efficient Non-Negative Matrix-Factorization-Based Approach to Collaborative Filtering for Recommender SystemsIEEE Transactions on Industrial Informatics, 2014
- Recommender Systems2010
- Matrix Factorization Techniques for Recommender SystemsComputer, 2009