Sistema de recomendação de notícias do TJDFT baseado em filtragem por conteúdo

Abstract

Sistemas ou algoritmos de recomendações são ferramentas que provêem automaticamente sugestões de itens a serem desejados pelos usuários, onde estes itens se referem à conteúdos, produtos, serviços, dentre outros, desde que sejam passíveis de serem recomendados. Existem diversos tipos de sistemas de recomendações, para este trabalho foi implementado a técnica de filtragem colaborativa baseada no conteúdo para gerar recomendação de notícias aos usuários do TJDFT - Tribunal de Justiça do Distrito Federal e Territórios. Para isto, foram coletados os dados do site, realizado a vetorização para tranformar os dados textuais em numéricos, reduzido a dimensionalidade da matriz vetorizada, analisado os clusters por meio de técnicas como o K-means, testado um classificador para notícias novas e também foi ultilizado uma métrica de avaliação para medir o desempenho da filtragem. O sistema em si obteve um desempenho bom, porém há possibilidades de aprimoramento há serem exploradas como por exemplos uma limpeza mais meticulosa ou uma filtragem mais rigorosa para reduzir a quantidade palavras pouco relevantes do banco de dados. Outro aspecto a se pontuar foi o baixo desempenho do sistema quando considerado apenas notícias novas já classificadas e que futuramente poderá ser revertido esses resultados aumentando a quantidade de notícias a serem analisadas.