Autor: Paulo Cesar Ramos Pinho (Currículo Lattes)
Resumo
A trajetória de qualquer estudante, deste o Ensino Fundamental até o Ensino Superior, inicia com a interação com os livros didáticos, seja uma Cartilha de Alfabetização ou um Atlas de Anatomia. No Ensino Superior, as universidades possuem grandes acervos em suas bibliotecas, alimentadas essencialmente pelas necessidades bibliográficas das disciplinas e pelo processo de avaliação dos cursos. Neste sentido, existem técnicas computacionais chamadas Sistemas de Recomendação (SR), que são tipos de filtragem que ampliam a capacidade e a eficácia dos processos de indicação. Os SR filtram conteúdos baseados no perfil do usuário, no conteúdo acessado ou nos dois, além de várias estratégias para descoberta destes resultados. Este trabalho introduz a proposta de modelo de Estratégias em Recomendações para otimizar o resultado da busca em Acervos Bibliográficos. Para atingir este objetivo foram realizados três experimentos sequenciais que colaboram para o desenvolvimento do objetivo proposto. O primeiro possibilitou o entendimento da base de dados, suas fragilidades e incoerências, representando o desafio de resolvê-los usando embasamento lógico e científico para demonstrar a capacidade inovadora que as estratégias de recomendação proporcionam. O segundo, introduz os conceitos de similaridade de dados numéricos e categóricos e a capacidade transformadora de uma abordagem híbrida. Além disso, exigiu uma sólida base de conhecimento matemático, introduzindo matrizes, vetores, simetria e similaridade, para interpretar e reproduzir os resultados obtidos. E por último, incorporou os modelos de Aprendizagem de Máquina, processos de validação e avaliação, mostrando a complexidade para implementar os modelos preditivos e o entendimento dos resultados e assim definir o método que melhor atende os requisitos propostos. Ao final dos experimentos, as estratégias que melhor atenderam o objetivo deste trabalho foram: Naive Bayes, Random Forest e Logistic Regression, cumprindo o objetivo de otimizar o resultado da busca.