Este trabalho tem como objetivo implementar os algoritmos de filtragem colaborativa kNN e RSVD, e submetê-los a testes de parâmetros, buscando encontrar qual é a melhor configuração de parâmetros para a base de dados do MovieLens disponível neste link.
Este trabalho objetiva-se a analisar o impacto de ruídos nas predições que utilizam filtragem colaborativa. Sendo analisado tanto a qualidade das predições após a correção de ruídos, quando a performance dos algoritmos na detecção de ruídos gerados.
Os códigos desenvolvidos, bem como os artigo disponibilizados abaixo detalham melhor trabalho, apresentando a metodologia aplicada e os resultados alcansados.
- Comparação de técnicas de similaridade baseada em usuário
- Avaliação de parâmetros para o algoritmo SVD regularizado
- Comparação entre técnicas de detecção e correção de ruı́do
Estes trabalhos foram realizados no período 2016-2 para a disciplina de Sistemas de Recomendação ministrada pelo professor Filipe Braida na Universidade Federal Rural do Rio de Janeiro (UFRRJ).