SeReS: Um sistema de recomendação de conteúdo baseado em processamento semântico para o SBTVD.

Abstract

Nos ambientes de TV Digital (TVD) atuais o usuário tem que lidar com centenas de canais e milhares de programas que estão diariamente disponíveis para consumo. Esse volume imenso de conteúdo multimídia faz com que o usuário perca um tempo considerável buscando programas de seu interesse sem, muitas vezes, conseguir encontrar o que procura. No sentido de facilitar o consumo do conteúdo disponível, os sistemas de recomendação, largamente explorados no contexto da Web, vêm sendo adaptados para os ambientes de TVD. As soluções existentes, sobretudo no contexto do Sistema Brasileiro de TV Digital (SBTVD), apresentam limitações que levam a recomendações superespecializadas. No sentido de prover recomendações de conteúdo mais efetivas para o SBTVD, esta dissertação apresenta o SeReS - Semantic-based Recommender System. Como o nome sugere, o SeReS utiliza processamento semântico a fim de identificar as semelhanças entre programas que um usuário assistiu e outros que se encontram disponíveis para consumo. Para permitir essa abordagem, foi desenvolvida uma ontologia de domínio capaz de modelar os programas televisivos. Esta ontologia foi utilizada na construção de uma rede semântica capaz de produzir o perfil do usuário com base no seu consumo de programas. O perfil resultante pode ser usado diretamente na recomendação de novos conteúdos ao usuário ou pode ser fornecido a outras aplicações.