Utilize este identificador para referenciar este registo: https://hdl.handle.net/1822/33925

TítuloSmart Targeting de conteúdos para fidelizações e ofertas
Outro(s) título(s)Content Smart Targeting for offers and fidelization
Autor(es)Telha, Luana Geórgia Lopes
Orientador(es)Afonso, Paulo
Fernandes, João M.
Palavras-chaveSistemas de recomendação
Filtragem colaborativa
Filtragem baseada em conteúdos
Filtragem híbrida
Cupões de oferta
Fidelização
Recommender systems
Collaborative filtering
Content-based filtering
hybrid filtering
Cuppons
Loyalty
Data2014
Resumo(s)Os utilizadores de serviços informáticos recebem diariamente uma quantidade significativa e crescente de conteúdos não solicitados e muitas vezes não desejados. Este SPAM acontece através de diversos canais de comunicação, tais como: correio eletrónico, redes sociais, web sites ou aplicações móveis (via publicidade). Existem vários fatores que podem ajudar a melhorar o direcionamento destes conteúdos para utilizadores potencialmente interessados, tais como: dados demográficos e áreas de interesse obtidos através do perfil do utilizador, dados geográficos obtidos através das coordenadas GPS do smartphone, padrões de utilização da aplicação (que conteúdos o utilizador costuma visualizar ou apagar, etc.), entre outros. É neste contexto que surge este estudo sobre Sistemas de Recomendação de Conteúdos os quais são conjuntos de técnicas que ajudam a filtrar conteúdos tendo em consideração as preferências do utilizador. As técnicas mais utilizadas nestes sistemas são técnicas de Filtragem Híbrida, as quais combinam a Filtragem Colaborativa com a Filtragem Baseada em Conteúdos. O propósito deste projeto focou-se no desenvolvimento de um mecanismo de recomendações de ofertas para uma aplicação específica: a CardMobili. Primeiramente foi selecionado o algoritmo de Filtragem Híbrida a ser implementado no mecanismo. Na segunda parte do projeto procedeu-se à concepção de um mecanismo adequado à aplicação, para o efeito de recomendações. A aplicação foi testada e foi efetuada a análise crítica das suas vantagens e dos seus pontos fracos. O mecanismo mostrou-se eficiente e satisfatório considerando os resultados obtidos. Porém, o mecanismo poderá ser aperfeiçoado se se proceder à adaptação da interface da aplicação. Foram também identificadas algumas possíveis melhorias tanto na eficácia de apresentação dos resultados, como no enriquecimento dos dados disponíveis para serem processados pelos algoritmos de filtragem.
Daily, IT services users receive a significant and growing amount of content unsolicited and often unwanted. This SPAM happens through many communication channels, such as email, social networks, web sites and mobile applications (via advertising). There are several factors that can help to improve the targeting of these contents to potentially interested users, such as demographics and areas of interest obtained from the user profile, geographic data obtained from the GPS coordinates of smartphone, usage patterns of the application (which content the user usually view or delete, etc.), among others. It is in this context that arises this study on Recommender Systems which are techniques that help to filter content taking user preferences into account. In such systems, the most used filtering techniques are hybrid techniques that combine collaborative filtering and content based filtering. The purpose of this project focused on developing an offers recommendations mechanism for specific app: CardMobili. Firstly, a hybrid filtering algorithm was selected to be implemented in the mechanism. The second part of this project was devoted to the design of an appropriate mechanism to the application, for recommendations effect. The application was tested and a critical analysis of their strengths and their weaknesses has been made. The mechanism proved to be efficient and satisfactory accordingly the obtained results. However the mechanism can be improved with a better preparation of the application interface. It was also identified some possible improvements in both efficiency of reporting and the enrichment of the available data to be processed by the filtering algorithms.
TipoDissertação de mestrado
DescriçãoDissertação de mestrado em Engenharia de Sistemas
URIhttps://hdl.handle.net/1822/33925
AcessoAcesso aberto
Aparece nas coleções:BUM - Dissertações de Mestrado

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Luana Geórgia Lopes Telha.pdf10,71 MBAdobe PDFVer/Abrir

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID