34. FBC
Gênero Comédia Ação Animação Horror Drama
Diretor P. Feig D. Yates C. Renaud D. Sandberg B. Furman
Escritor P. Feig A. Cozad C. Paul E. Heisserer E. Furman
Estúdio Sony Lionsgate Universal RatPac-Dune Broad Green
Classificação PG-13 PG-13 PG PG-13 R
39. Revisando
Recomendações inovadoras
Itens recomendados estão
associados ao conhecimento da
comunidade.
Simplicidade
O modelo colaborativo é
simples e fácil de implementar.
Domínio de negócio
Para o modelo colaborativo, é
desnecessário.
Transparência
É simples explicar o porquê de
recomendações no modelo
baseado em conteúdo.
Independência de usuários
O modelo baseado em
conteúdo dá foco aos atributos
dos itens.
Novo item
Novos itens podem ser
recomendados no modelo
baseado em conteúdo.
52. Desafios
Gênero Comédia Ação Animação Horror Drama
Diretor P. Feig D. Yates C. Renaud D. Sandberg B. Furman
Escritor P. Feig A. Cozad C. Paul E. Heisserer E. Furman
Estúdio Sony Lionsgate Universal RatPac-Dune Broad Green
Classificação PG-13 PG-13 PG PG-13 R
54. Desafios
Gênero Fantasia Fantasia Fantasia Fantasia
Diretor C. Columbus C. Columbus A. Cuarón M. Newell
Escritor Steve Kloves Steve Kloves Steve Kloves Steve Kloves
Estúdio Warner Warner Warner Warner
Classificação PG PG PG PG
55. Desafios
Gênero Fantasia Fantasia Fantasia Fantasia Fantasia
Diretor C. Columbus C. Columbus A. Cuarón M. Newell D. Yates
Escritor Steve Kloves Steve Kloves Steve Kloves Steve Kloves Goldenberg
Estúdio Warner Warner Warner Warner Warner
Classificação PG PG PG PG PG-13
60. Revisando
Cold-Start
Novo item ou novo usuário não
recebem recomendações.
Esparsidade
Poucas avaliações disponíveis
dificultam predição acurada.
Análise limitada
Carência de atributos ou muitos
atributos inúteis não
representam a essência do item.
Super-especialização
O modelo FBC pode gerar
recomendações óbvias.
Ovelha negra
Alguns usuários tem
preferências muito particulares.
Estabilidade vs Plasticidade
Depois que o perfil do usuário
está estabelecido é difícil mudar.
76. Recursos
2002 - Hybrid Recommender Systems Survey and Experiments
2002 - Incremental SVD-Based Algorithms for Highly Scalable Recommender Systems
2005 - Toward the Next Generation of Recommender Systems A Survey of the state-of-the-art and
possible extensions
2006 - Being Accurate is Not Enough
2007 - Content-Based Recommendation Systems
2009 - A Survey of Accuracy Evaluation Metrics of Recommendation Tasks
2011 - Collaborative Filtering Recommender Systems
2013 - Recommender Systems Survey