A crescente complexidade dos objetos armazenados e o grande volume de dados exigem modelos de recuperação e recomendação cada vez mais sofisticados. O objetivo deste trabalho é propor um modelo de recomendação de conteúdo baseado em arquivos de legendas de filmes e séries. Utilizando a ferramenta Apache Lucene para recuperação da informação, e a ferramenta OGMA, para análise de textos, foi possível propor para o modelo, três etapas distintas: uma pesquisa utilizando palavra-chave, a classificação de filmes e séries por gênero e a identificação de títulos similares. Também é apresentado uma adaptação ao modelo para identificar em cada título um sentimento, denominado análise de sentimentos. Como resultado ressaltamos que a pesquisa por palavras-chave gerou recomendações relevantes, já que proporcionam ao usuário liberdade de pesquisa dentro de um conteúdo específico. Já a classificação por gênero apresentou índice de 73% de acerto em comparação com os gêneros apresentados pelo site IMDb, facilitando a recomendação de conteúdo. A análise de sentimentos demonstrou recomendações com coesão, determinando títulos apropriados para cada sentimento. Por último, a identificação de títulos similares, apresentou resultados primários, trazendo apenas filmes e séries com a mesma temática, sem apresentar nenhum resultado em comum com o site IMDb. Concluiu-se que apesar da enorme dificuldade de ser assertivo na recuperação da informação, existem vantagens em se utilizar os arquivos de legendas para ajudar na composição dos sistemas de recomendação.@pt
Array ( [dateOfAvailability] => Array ( [pt] => Array ( [0] => Array ( [2018-06-05] => 40792 ) ) ) [hasAuthor] => Array ( [nn] => Array ( [0] => Array ( [Luiz Maia] => 2686 ) [1] => Array ( [Armstrong Gomes Brito] => 41077 ) ) ) [hasFileStorage] => Array ( [nn] => Array ( [0] => Array ( [_repository/348/2018/09/oai_periodicos_ufpb_br_article_38189#00021.pdf] => 53794 ) ) ) [hasPageEnd] => Array ( [pt] => Array ( [0] => Array ( [163] => 1247 ) ) ) [hasPageStart] => Array ( [pt] => Array ( [0] => Array ( [144] => 216 ) ) ) [hasSectionOf] => Array ( [pt] => Array ( [0] => Array ( [Artigo de pesquisa] => 288 ) [1] => Array ( [Artigo] => 3 ) ) ) [hasSubject] => Array ( [pt] => Array ( [0] => Array ( [Ciência da informação] => 237157 ) [1] => Array ( [Ciência da computação] => 269911 ) ) ) [wasPublicationInDate] => Array ( [nn] => Array ( [0] => Array ( [2018-06-05] => 277482 ) ) ) [hasLanguageExpression] => Array ( [nn] => Array ( [0] => Array ( [pt] => 232736 ) ) ) [hasLicense] => Array ( [nn] => Array ( [0] => Array ( [RESERVERD] => 234643 ) ) ) [isPartOfSource] => Array ( [pt] => Array ( [0] => Array ( [Informação & Tecnologia] => 348 ) ) ) [hasIssueOf] => Array ( [pt] => Array ( [0] => Array ( [ISSUE:JNL:00021-2016-3-2] => 40848 ) ) ) [hasAbstract] => Array ( [pt] => Array ( [0] => Array ( [A crescente complexidade dos objetos armazenados e o grande volume de dados exigem modelos de recuperação e recomendação cada vez mais sofisticados. O objetivo deste trabalho é propor um modelo de recomendação de conteúdo baseado em arquivos de legendas de filmes e séries. Utilizando a ferramenta Apache Lucene para recuperação da informação, e a ferramenta OGMA, para análise de textos, foi possível propor para o modelo, três etapas distintas: uma pesquisa utilizando palavra-chave, a classificação de filmes e séries por gênero e a identificação de títulos similares. Também é apresentado uma adaptação ao modelo para identificar em cada título um sentimento, denominado análise de sentimentos. Como resultado ressaltamos que a pesquisa por palavras-chave gerou recomendações relevantes, já que proporcionam ao usuário liberdade de pesquisa dentro de um conteúdo específico. Já a classificação por gênero apresentou índice de 73% de acerto em comparação com os gêneros apresentados pelo site IMDb, facilitando a recomendação de conteúdo. A análise de sentimentos demonstrou recomendações com coesão, determinando títulos apropriados para cada sentimento. Por último, a identificação de títulos similares, apresentou resultados primários, trazendo apenas filmes e séries com a mesma temática, sem apresentar nenhum resultado em comum com o site IMDb. Concluiu-se que apesar da enorme dificuldade de ser assertivo na recuperação da informação, existem vantagens em se utilizar os arquivos de legendas para ajudar na composição dos sistemas de recomendação.] => 0 ) ) ) [hasID] => Array ( [nn] => Array ( [0] => Array ( [oai:periodicos.ufpb.br:article/38189] => 0 ) ) ) [hasRegisterId] => Array ( [pt] => Array ( [0] => Array ( [http://www.periodicos.ufpb.br/index.php/itec/article/view/38189] => 0 ) ) ) [hasSource] => Array ( [pt] => Array ( [0] => Array ( [Informação & Tecnologia; v. 3, n. 2 (2016): Informação & Tecnologia - Especial Enancib 2016 - parte 2; 144-163] => 0 ) [1] => Array ( [2358-3908] => 0 ) ) [en] => Array ( [0] => Array ( [Information & Technology; v. 3, n. 2 (2016): Informação & Tecnologia - Especial Enancib 2016 - parte 2; 144-163] => 0 ) ) ) [hasTitle] => Array ( [pt] => Array ( [0] => Array ( [Proposta de modelo de recomendação de conteúdo baseado em arquivos de legendas de filmes e séries] => 0 ) ) ) [hasUrl] => Array ( [pt] => Array ( [0] => Array ( [http://www.periodicos.ufpb.br/index.php/itec/article/view/38189/20173] => 0 ) ) [nn] => Array ( [0] => Array ( [https://periodicos.ufpb.br/index.php/itec/article/view/38189] => 0 ) [1] => Array ( [https://periodicos.ufpb.br/index.php/itec/article/view/38189/20173] => 0 ) ) ) [prefLabel] => Array ( [pt] => Array ( [0] => Array ( [oai:periodicos.ufpb.br:article/38189#00021] => 0 ) ) ) )
Loading ...