Sistema de Recomendação Web Baseado no Histórico de Pesquisas dos Utilizadores

Atualmente, a maioria dos sistemas de recomenda o dispon veis utiliza a abordagem de filtragem colaborativa. Este tipo de sistemas de recomenda o assume que se dois utilizadores demonstraram interesse semelhante no mesmo conjunto de conte dos, podem mostrar um padr o de interesse semelhante na escolha de conte dos futuros. No entanto, pode acontecer que os utilizadores que t m determinados gostos por uma categoria espec fica de conte dos se comportem de forma diferente na escolha de conte dos de outras categorias. Al m disso, as abordagens de filtragem colaborativa n o funcionam eficientemente com conjuntos de dados esparsos, onde h um pequeno n mero de conte dos ou um n mero limitado de utilizadores nas categorias de conte dos. Para ultrapassar todos estes problemas, utilizada uma nova abordagem de recomenda o de conte dos em diferentes categorias, considerando tanto a informa o sem ntica dos conte dos como os interesses dos utilizadores. Esta abordagem utiliza dados ligados como fonte para encontrar a sem ntica adequada dos conte dos extra dos do hist rico de visualiza es dos utilizadores. Os conceitos sem nticos recuperados para os conte dos s o depois agrupados em clusters sem nticos com base na sua semelhan a e relev ncia.