Uma Investigação Sobre o Efeito da Combinação de Algoritmos em Sistemas de Recomendação

Em função do crescente investimento da indústria e do desenvolvimento científico na área, novos sistemas de recomendação surgem permanentemente, buscando incrementar a precisão da indicação de itens aos consumidores e abranger um maior número de contextos de aplicação. Entretanto, a escolha do algoritmo ideal para determinada aplicação nem sempre é uma tarefa trivial. Artigos recentes estudaram formas de realizar esta escolha de forma automática, através de estratégias de meta-aprendizado. Este trabalho busca investigar os efeitos da extensão desse processo de meta-aprendizado do nível de contexto de aplicação para o de usuário. Nesse sentido, foram realizados experimentos a partir de quatro modelos de recomendação, selecionando, a partir de dois critérios distintos, o algoritmo que apresenta melhor desempenho no mapeamento das preferências de cada usuário, verificando o efeito da aplicação personalizada dos algoritmos na performance global do sistema. Resultados positivos foram obtidos quando a seleção de algoritmos era baseada em abordagens de complexidades semelhantes.