Sistema de recomendação para condutores de veículos eléctricos

Tratando-se do próximo grande passo na evolução da indústria automóvel, os veículos eléctricos continuam a apresentar limitações de autonomia, associando-se a esta limitação tempos de carregamento muito alargados, poucos pontos de carregamento e redes eléctricas inteligentes muito embrionárias. Neste contexto exige-se aos condutores um planeamento muito rigoroso da utilização diária do veículo. Neste trabalho é apresentado um sistema de informação que pretende ajudar o condutor na utilização diária do seu veículo eléctrico, minimizando o problema da ansiedade de alcance através do controlo contínuo da autonomia do veículo e da apresentação atempada de informação relevante sobre os pontos de carregamento disponíveis no seu raio de alcance. Dado o sucesso dos sistemas de recomendação, no encaminhamento automático da informação desejada em diversos domínios, esse princípio pode ser aplicado ao problema em causa com o objectivo de maximizar a relevância da informação apresentada ao condutor, a qual deverá ser a estritamente necessária para ele tomar as suas decisões, devendo toda a restante ser filtrada.

Reputação e recomendação como serviços para transportes públicos

Projecto Final de Mestrado para obtenção do grau de Mestre em Engenharia Informática e de Computadores

Sistema de recomendação para plataformas de e-learning

O aumento do número de recursos digitais disponíveis dificulta a tarefa de pesquisa dos recursos mais relevantes, no sentido de se obter o que é mais relevante. Assim sendo, um novo tipo de ferramentas, capaz de recomendar os recursos mais apropriados às necessidades do utilizador, torna-se cada vez mais necessário. O objetivo deste trabalho de I&D é o de implementar um módulo de recomendação inteligente para plataformas de e-learning. As recomendações baseiam-se, por um lado, no perfil do utilizador durante o processo de formação e, por outro lado, nos pedidos efetuados pelo utilizador, através de pesquisas [Tavares, Faria e Martins, 2012]. O e-learning 3.0 é um projeto QREN desenvolvido por um conjunto de organizações e tem com objetivo principal implementar uma plataforma de e-learning. Este trabalho encontra-se inserido no projeto e-learning 3.0 e consiste no desenvolvimento de um módulo de recomendação inteligente (MRI). O MRI utiliza diferentes técnicas de recomendação já aplicadas noutros sistemas de recomendação. Estas técnicas são utilizadas para criar um sistema de recomendação híbrido direcionado para a plataforma de e-learning. Para representar a informação relevante, sobre cada utilizador, foi construído um modelo de utilizador. Toda a informação necessária para efetuar a recomendação será representada no modelo do utilizador, sendo este modelo atualizado sempre que necessário. Os dados existentes no modelo de utilizador serão utilizados para personalizar as recomendações produzidas. As recomendações estão divididas em dois tipos, a formal e a não formal. Na recomendação formal o objetivo é fazer sugestões relacionadas a um curso específico. Na recomendação não-formal, o objetivo é fazer sugestões mais abrangentes onde as recomendações não estão associadas a nenhum curso. O sistema proposto é capaz de sugerir recursos de aprendizagem, com base no perfil do utilizador, através da combinação de técnicas de similaridade de palavras, um algoritmo de clustering e técnicas de filtragem [Tavares, Faria e Martins, 2012].

Sistema de recomendação e personalização de televisão

Com a expansão da Televisão Digital e a convergência entre os meios de difusão convencionais e a televisão sobre IP, o número de canais disponíveis tem aumentado de forma gradual colocando o espectador numa situação de difícil escolha quanto ao programa a visionar. Sobrecarregados com uma grande quantidade de programas e informação associada, muitos espectadores desistem sistematicamente de ver um programa e tendem a efectuar zapping entre diversos canais ou a assistir sempre aos mesmos programas ou canais. Diante deste problema de sobrecarga de informação, os sistemas de recomendação apresentam-se como uma solução. Nesta tese pretende estudar-se algumas das soluções existentes dos sistemas de recomendação de televisão e desenvolver uma aplicação que permita a recomendação de um conjunto de programas que representem potencial interesse ao espectador. São abordados os principais conceitos da área dos algoritmos de recomendação e apresentados alguns dos sistemas de recomendação de programas de televisão desenvolvidos até à data. Para realizar as recomendações foram desenvolvidos dois algoritmos baseados respectivamente em técnicas de filtragem colaborativa e de filtragem de conteúdo. Estes algoritmos permitem através do cálculo da similaridade entre itens ou utilizadores realizar a predição da classificação que um utilizador atribuiria a um determinado item (programa de televisão, filme, etc.). Desta forma é possível avaliar o nível de potencial interesse que o utilizador terá em relação ao respectivo item. Os conjuntos de dados que descrevem as características dos programas (título, género, actores, etc.) são armazenados de acordo com a norma TV-Anytime. Esta norma de descrição de conteúdo multimédia apresenta a vantagem de ser especificamente vocacionada para conteúdo audiovisual e está disponível livremente. O conjunto de recomendações obtidas é apresentado ao utilizador através da interacção com uma aplicação Web que permite a integração de todos os componentes do sistema. Para validação do trabalho foi considerado um dataset de teste designado de htrec2011-movielens-2k e cujo conteúdo corresponde a um conjunto de filmes classificados por diversos utilizadores num ambiente real. Este conjunto de filmes possui, para além da classificações atribuídas pelos utilizadores, um conjunto de dados que descrevem o género, directores, realizadores e país de origem. Para validação final do trabalho foram realizados diversos testes dos quais o mais relevante correspondeu à avaliação da distância entre predições e valores reais e cujo objectivo é classificar a capacidade dos algoritmos desenvolvidos preverem com precisão as classificações que os utilizadores atribuiriam aos itens analisados.

Recomendação de conteúdos multimédia

A quantidade e variedade de conteúdos multimédia actualmente disponíveis cons- tituem um desafio para os utilizadores dado que o espaço de procura e escolha de fontes e conteúdos excede o tempo e a capacidade de processamento dos utilizado- res. Este problema da selecção, em função do perfil do utilizador, de informação em grandes conjuntos heterogéneos de dados é complexo e requer ferramentas específicas. Os Sistemas de Recomendação surgem neste contexto e são capazes de sugerir ao utilizador itens que se coadunam com os seus gostos, interesses ou necessidades, i.e., o seu perfil, recorrendo a metodologias de inteligência artificial. O principal objectivo desta tese é demonstrar que é possível recomendar em tempo útil conteúdos multimédia a partir do perfil pessoal e social do utilizador, recorrendo exclusivamente a fontes públicas e heterogéneas de dados. Neste sen- tido, concebeu-se e desenvolveu-se um Sistema de Recomendação de conteúdos multimédia baseado no conteúdo, i.e., nas características dos itens, no historial e preferências pessoais e nas interacções sociais do utilizador. Os conteúdos mul- timédia recomendados, i.e., os itens sugeridos ao utilizador, são provenientes da estação televisiva britânica, British Broadcasting Corporation (BBC), e estão classificados de acordo com as categorias dos programas da BBC. O perfil do utilizador é construído levando em conta o historial, o contexto, as preferências pessoais e as actividades sociais. O YouTube é a fonte do histo- rial pessoal utilizada, permitindo simular a principal fonte deste tipo de dados - a Set-Top Box (STB). O historial do utilizador é constituído pelo conjunto de vídeos YouTube e programas da BBC vistos pelo utilizador. O conteúdo dos vídeos do YouTube está classificado segundo as categorias de vídeo do próprio YouTube, sendo efectuado o mapeamento para as categorias dos programas da BBC. A informação social, que é proveniente das redes sociais Facebook e Twit- ter, é recolhida através da plataforma Beancounter. As actividades sociais do utilizador obtidas são filtradas para extrair os filmes e séries que são, por sua vez, enriquecidos semanticamente através do recurso a repositórios abertos de dados interligados. Neste caso, os filmes e séries são classificados através dos géneros da IMDb e, posteriormente, mapeados para as categorias de programas da BBC. Por último, a informação do contexto e das preferências explícitas, através da classificação dos itens recomendados, do utilizador são também contempladas. O sistema desenvolvido efectua recomendações em tempo real baseado nas actividades das redes sociais Facebook e Twitter, no historial de vídeos Youtube e de programas da BBC vistos e preferências explícitas. Foram realizados testes com cinco utilizadores e o tempo médio de resposta do sistema para criar o conjunto inicial de recomendações foi 30 s. As recomendações personalizadas são geradas e actualizadas mediante pedido expresso do utilizador.

Rapps Sistema de recomendação de apps de produtividade para Android

Nos últimos anos, a nossa sociedade sofreu alterações significativas ao nível tecnológico que têm vindo a modificar o quotidiano do cidadão e transportaram para a palma da mão um conjunto significativo de tarefas até há poucos anos impensáveis. Atualmente, torna-se possível realizar as mais simples tarefas como, a título de exemplo, efetuar um cálculo matemático, tirar fotografias ou registar numa agenda um compromisso, ou tarefas mais complexas, como por exemplo, escrever ou editar um documento, trabalhar numa folha de cálculo ou enviar um e-mail com um anexo, isto tudo com o recurso a um simples dispositivo móvel, conhecido como smartphone ou tablet. Apesar de existirem diversos tipos de apps que seriam um bom auxílio para o aumento da produtividade dos utilizadores de dispositivos móveis Android, nem todos têm conhecimento das mesmas, pelo que é importante que os utilizadores tenham conhecimentos das vantagens da utilização destes recursos e de tudo o que podem realizar com os seus dispositivos com o objetivo de aumentar a sua produtividade profissional ou pessoal. O presente estudo pretende contribuir para uma análise sobre a potencial utilização das novas tecnologias, mais propriamente estudando e recomendando apps de produtividade. Com este intuito foi criada uma app de recomendação de aplicações de produtividade com recurso a um método de sistemas de recomendação. São apresentados os resultados e as conclusões, com recurso a opiniões de potenciais utilizadores.

Sistema de recomendação de produtos online baseado em palavras-chave

This project aims to explore the many methods used for the development of recommendation systems to user ’ s items and apply the content - based recommendation method on a prototype system whose purpose is to recommend books to users. This paper exposes the most popular methods for creating systems capable of providing items (products) according to user preferences, such as collaborat ive filtering and content - based. It also point different techniques that can be applied to calculate the similarity between two entities, for items or users, as the Pearson ’s method, calculating the cosine of vectors and more recently, a proposal to use a Bayesian system under a Dirichlet distribution. In addition, this work has the purpose to go through various points on the design of an online application, or a website, dealing not only oriented algorithms issues, but also the definition of development to ols and techniques to improve the user’s experience. The tools used for the development of the page are listed, and a topic about web design is also discussed in order to emphasize the importance of the layout of the application. At the end, some examples of recommender systems are presented for curiosity , learning and research purposes

Uma abordagem baseada em filtragem colaborativa integrada a mapas de saliência para a recomendação de imagens

Nowadays, the amount of customers using sites for shopping is greatly increasing, mainly due to the easiness and rapidity of this way of consumption. The sites, differently from physical stores, can make anything available to customers. In this context, Recommender Systems (RS) have become indispensable to help consumers to find products that may possibly pleasant or be useful to them. These systems often use techniques of Collaborating Filtering (CF), whose main underlying idea is that products are recommended to a given user based on purchase information and evaluations of past, by a group of users similar to the user who is requesting recommendation. One of the main challenges faced by such a technique is the need of the user to provide some information about her preferences on products in order to get further recommendations from the system. When there are items that do not have ratings or that possess quite few ratings available, the recommender system performs poorly. This problem is known as new item cold-start. In this paper, we propose to investigate in what extent information on visual attention can help to produce more accurate recommendation models. We present a new CF strategy, called IKB-MS, that uses visual attention to characterize images and alleviate the new item cold-start problem. In order to validate this strategy, we created a clothing image database and we use three algorithms well known for the extraction of visual attention these images. An extensive set of experiments shows that our approach is efficient and outperforms state-of-the-art CF RS.

Acúmulo de matéria seca e nutrientes em soja, como variável do potencial produtivo

O critério atualmente adotado para a indicação de adubação da soja, embasado no estabelecimento de níveis críticos, tem permitido a obtenção de produtividades médias em torno de 3.600 kg ha-1. Contudo, para a obtenção de produtividades mais elevadas e econômicas, sem prejuízos ao equilíbrio ambiental, deve-se visar à definição de modelos quantitativos que permitam estimar a demanda por nutrientes, em função do potencial de produção almejado. Modelos desta natureza vêm sendo estabelecidos no Departamento de Solos da Universidade Federal de Viçosa, para o desenvolvimento de sistemas de recomendação de corretivos e fertilizantes, denominados genericamente de FERTCALC® e NUTRICALC®. A partir de um banco de dados, formado pelo monitoramento nutricional de lavouras comerciais em Mato Grosso do Sul, foram estabelecidos modelos matemáticos para a estimativa da demanda nutricional, em função da produtividade e do acúmulo de nutrientes no terceiro trifólio com pecíolo, ou, então, do coeficiente de utilização biológica (CUB). Demonstrou-se que, para uma dada produtividade, o produto da matéria seca da folha índice com os teores de nutrientes, considerados como suficientes para a cultura, resulta no conteúdo nutricional desta, que, por sua vez, apresenta relação com o conteúdo nutricional no caule, folhas, vagens e nos grãos. A quantidade de nutrientes imobilizada na planta de soja também pode ser calculada a partir do quociente entre a produção de grãos e de matéria seca de parte aérea e os valores de CUB estabelecidos. Os métodos propostos permitem estimativa de valores próximos da demanda nutricional pela soja.

iTV PREFARC: Arquitectura de recomendações iTV

No presente trabalho é proposta uma arquitectura, assim como a concepção e implementação de um PoC, de um sistema de recomendações flexível que permite integrar novos modelos de negócio relacionados ao longo do tempo. O PoC implementado é vocacionado para a problemática da televisão interactiva e, mais concretamente, para o excesso de informação com que os utilizadores se deparam diariamente. Este sistema, denominado de iTV PREFARC, permite processar, de forma massiva, a informação de EPG, integrando-a para posterior processamento no motor de recomendações. Disponibiliza também funcionalidades para classificar os itens presentes no sistema (programas televisivos, vídeos, etc.), e obter as recomendações calculadas pelo sistema. A interacção com os consumidores do sistema é sempre feita através de serviços Web. São também abordados cenários de aplicação que permitem atestar a utilidade do sistema, demonstrando simultaneamente como interagem os diferentes componentes.

Determinação dinâmica da autonomia de um veículo eléctrico

As crescentes preocupações com as questões ambientais e os efeitos negativos das emissões gasosas de veículos com motor de combustão interna, têm incentivado o desenvolvimento de soluções alternativas, amigas do ambiente, para a mobilidade das pessoas e bens. Entre estas soluções estão os veículos elétricos, dos quais surgem a motivação deste trabalho. Tendo em conta que os veículos elétricos continuam a apresentar limitações relacionadas com a autonomia, torna-se necessário permitir aos condutores um planeamento rigoroso da utilização diária do veículo. Neste contexto surgem como opção os sistemas de recomendação, tendo em conta vários casos de sucesso associados à aplicação dos mesmos para filtrar a informação que é realmente útil no contexto de um determinado problema. A obtenção de informação em tempo real sobre o VE (Veículo Elétrico), tais como a autonomia, localização e reserva dos postos de carregamento é um fator importante na aceitação dos VE pelos consumidores (condutores). Esta informação, tendo em conta os progressos recentes e a proliferação dos dispositivos móveis, sistemas de informação geográfica e de georreferenciação e dos processos de comunicação podem ser integrados, originando informação em tempo real para os condutores, permitindo a mitigação dos problemas referidos e, consequentemente, uma melhor utilização do VE. Neste trabalho é apresentado um sistema de informação que pretende auxiliar o condutor na utilização diária do seu veículo elétrico, maximizando a qualidade das suas decisões num determinado contexto, minimizando o problema da ansiedade de alcance através do controlo contínuo da autonomia do veículo, através da implementação de um cálculo de predição da autonomia e distância possíveis de percorrer a partir de um determinado ponto. Este sistema também permite visualizar de forma atempada a informação relevante sobre os pontos de interesse e de carregamento disponíveis no seu raio de alcance, bem como um conjunto de rotas possíveis para os mesmos.

User modeling and recommendation strategies for tourism

Mestrado em Engenharia Informática

GuideMe: service for consulting, publication and recommendation of touristic locations

Trabalho de Projeto realizado para obtenção do grau de Mestre em Engenharia Informática e de Computadores