@article{silva_recsysexp_2023,
	title = {{RecSysExp} : um framework de alto nível de abstração para implementação e validação de sistemas de recomendação.},
	copyright = {An error occurred on the license name.},
	shorttitle = {{RecSysExp}},
	url = {http://www.monografias.ufop.br/handle/35400000/5711},
	abstract = {Este trabalho consiste na implementação de um framework para realização de experimentos em 
sistemas de recomendação, seu intuito é permitir que cenários de experimentação em sistemas de 
recomendação possam ser criados e analisados de forma prática, isso será possível dado que o 
projeto fornece uma abordagem ponta-a-ponta que conta com etapas como a de pré-processamento 
dos dados de entrada, modelagem e treinamento de algoritmos de recomendação, avaliação dos 
resultados através de diferentes métricas até a visualização dos resultados. Nesse framework 
temos um conjunto de conceitos e técnicas que serão base para criação de quase todo o projeto, 
como principais exemplos, destacam-se a recomendação e a reprodutibilidade de experimentos. 
A recomendação pode ser vista como um sistema capaz de sugerir a um usuário objetos úteis e/ou 
interessantes considerando um grande conjunto de opções. No caso da reprodutibilidade estamos 
nos referindo à capacidade de diferentes investigadores tirarem as mesmas conclusões a partir de 
um experimento, essa característica será garantida através do arquivo de configuração criado para 
o RecSysExp. Essa construção é baseada principalmente na extração das melhores características 
dentre as bibliotecas e frameworks que possuem componentes relacionados às variadas etapas do 
ciclo de desenvolvimento e experimentação em sistemas de recomendação, sendo assim, esse 
trabalho visa facilitar a inclusão de novos paradigmas, recomendadores, meta-features, métricas 
e outros recursos. Até o momento, esse trabalho conta com um conjunto de algoritmos base 
para o processo de predição e recomendação, alguns deles são: UserKNN, ItemKNN, Bias, 
BiasedSVD, ImplicitMF, BiasedMF, SlopeOne, PopScore e outros. Como resultados desse 
trabalhos foi obtida uma revisão da literatura que nos proporcionou a definição de componentes, 
interfaces e classes que permitem flexibilidade e extensibilidade na inclusão de novos recursos ao 
framework, uma estrutura de recomendação que abrange diferentes estratégias além de maneiras 
de analisar e reaproveitar os resultados de cada etapa. Além disso, a partir da definição de alguns 
experimentos foram encontradas diferentes formas de visualização dos resultados, cálculo e 
armazenamento dos resultados de predições e recomendações, esses resultados foram submetidos 
a um conjunto de métricas como RMSE, NDCG e MAE. Desses resultados, conclui-se que a base 
geral para o framework foi consolidada através de diferentes estruturas de classe que permitem a 
extensão do projeto, métodos base relacionados a pré-processamento, recomendação e avaliação, 
armazenamento dos resultados de forma padronizada garantindo que todos os artefatos gerados 
pelo experimentos estejam organizados e disponíveis, integração entre os projetos relacionados 
ao RecSysExp, além da documentação do framework e dos trabalhos relacionados.},
	language = {pt\_BR},
	urldate = {2025-08-01},
	author = {Silva, Lucas Natali Magalhães},
	year = {2023},
	note = {Accepted: 2023-07-06T12:34:06Z},
	keywords = {⛔ No DOI found},
}

{"_id":"NHSjnf8yygheQbf7m","bibbaseid":"silva-recsysexpumframeworkdealtonveldeabstraoparaimplementaoevalidaodesistemasderecomendao-2023","author_short":["Silva, L. N. M."],"bibdata":{"bibtype":"article","type":"article","title":"RecSysExp : um framework de alto nível de abstração para implementação e validação de sistemas de recomendação.","copyright":"An error occurred on the license name.","shorttitle":"RecSysExp","url":"http://www.monografias.ufop.br/handle/35400000/5711","abstract":"Este trabalho consiste na implementação de um framework para realização de experimentos em sistemas de recomendação, seu intuito é permitir que cenários de experimentação em sistemas de recomendação possam ser criados e analisados de forma prática, isso será possível dado que o projeto fornece uma abordagem ponta-a-ponta que conta com etapas como a de pré-processamento dos dados de entrada, modelagem e treinamento de algoritmos de recomendação, avaliação dos resultados através de diferentes métricas até a visualização dos resultados. Nesse framework temos um conjunto de conceitos e técnicas que serão base para criação de quase todo o projeto, como principais exemplos, destacam-se a recomendação e a reprodutibilidade de experimentos. A recomendação pode ser vista como um sistema capaz de sugerir a um usuário objetos úteis e/ou interessantes considerando um grande conjunto de opções. No caso da reprodutibilidade estamos nos referindo à capacidade de diferentes investigadores tirarem as mesmas conclusões a partir de um experimento, essa característica será garantida através do arquivo de configuração criado para o RecSysExp. Essa construção é baseada principalmente na extração das melhores características dentre as bibliotecas e frameworks que possuem componentes relacionados às variadas etapas do ciclo de desenvolvimento e experimentação em sistemas de recomendação, sendo assim, esse trabalho visa facilitar a inclusão de novos paradigmas, recomendadores, meta-features, métricas e outros recursos. Até o momento, esse trabalho conta com um conjunto de algoritmos base para o processo de predição e recomendação, alguns deles são: UserKNN, ItemKNN, Bias, BiasedSVD, ImplicitMF, BiasedMF, SlopeOne, PopScore e outros. Como resultados desse trabalhos foi obtida uma revisão da literatura que nos proporcionou a definição de componentes, interfaces e classes que permitem flexibilidade e extensibilidade na inclusão de novos recursos ao framework, uma estrutura de recomendação que abrange diferentes estratégias além de maneiras de analisar e reaproveitar os resultados de cada etapa. Além disso, a partir da definição de alguns experimentos foram encontradas diferentes formas de visualização dos resultados, cálculo e armazenamento dos resultados de predições e recomendações, esses resultados foram submetidos a um conjunto de métricas como RMSE, NDCG e MAE. Desses resultados, conclui-se que a base geral para o framework foi consolidada através de diferentes estruturas de classe que permitem a extensão do projeto, métodos base relacionados a pré-processamento, recomendação e avaliação, armazenamento dos resultados de forma padronizada garantindo que todos os artefatos gerados pelo experimentos estejam organizados e disponíveis, integração entre os projetos relacionados ao RecSysExp, além da documentação do framework e dos trabalhos relacionados.","language":"pt_BR","urldate":"2025-08-01","author":[{"propositions":[],"lastnames":["Silva"],"firstnames":["Lucas","Natali","Magalhães"],"suffixes":[]}],"year":"2023","note":"Accepted: 2023-07-06T12:34:06Z","keywords":"⛔ No DOI found","bibtex":"@article{silva_recsysexp_2023,\n\ttitle = {{RecSysExp} : um framework de alto nível de abstração para implementação e validação de sistemas de recomendação.},\n\tcopyright = {An error occurred on the license name.},\n\tshorttitle = {{RecSysExp}},\n\turl = {http://www.monografias.ufop.br/handle/35400000/5711},\n\tabstract = {Este trabalho consiste na implementação de um framework para realização de experimentos em \nsistemas de recomendação, seu intuito é permitir que cenários de experimentação em sistemas de \nrecomendação possam ser criados e analisados de forma prática, isso será possível dado que o \nprojeto fornece uma abordagem ponta-a-ponta que conta com etapas como a de pré-processamento \ndos dados de entrada, modelagem e treinamento de algoritmos de recomendação, avaliação dos \nresultados através de diferentes métricas até a visualização dos resultados. Nesse framework \ntemos um conjunto de conceitos e técnicas que serão base para criação de quase todo o projeto, \ncomo principais exemplos, destacam-se a recomendação e a reprodutibilidade de experimentos. \nA recomendação pode ser vista como um sistema capaz de sugerir a um usuário objetos úteis e/ou \ninteressantes considerando um grande conjunto de opções. No caso da reprodutibilidade estamos \nnos referindo à capacidade de diferentes investigadores tirarem as mesmas conclusões a partir de \num experimento, essa característica será garantida através do arquivo de configuração criado para \no RecSysExp. Essa construção é baseada principalmente na extração das melhores características \ndentre as bibliotecas e frameworks que possuem componentes relacionados às variadas etapas do \nciclo de desenvolvimento e experimentação em sistemas de recomendação, sendo assim, esse \ntrabalho visa facilitar a inclusão de novos paradigmas, recomendadores, meta-features, métricas \ne outros recursos. Até o momento, esse trabalho conta com um conjunto de algoritmos base \npara o processo de predição e recomendação, alguns deles são: UserKNN, ItemKNN, Bias, \nBiasedSVD, ImplicitMF, BiasedMF, SlopeOne, PopScore e outros. Como resultados desse \ntrabalhos foi obtida uma revisão da literatura que nos proporcionou a definição de componentes, \ninterfaces e classes que permitem flexibilidade e extensibilidade na inclusão de novos recursos ao \nframework, uma estrutura de recomendação que abrange diferentes estratégias além de maneiras \nde analisar e reaproveitar os resultados de cada etapa. Além disso, a partir da definição de alguns \nexperimentos foram encontradas diferentes formas de visualização dos resultados, cálculo e \narmazenamento dos resultados de predições e recomendações, esses resultados foram submetidos \na um conjunto de métricas como RMSE, NDCG e MAE. Desses resultados, conclui-se que a base \ngeral para o framework foi consolidada através de diferentes estruturas de classe que permitem a \nextensão do projeto, métodos base relacionados a pré-processamento, recomendação e avaliação, \narmazenamento dos resultados de forma padronizada garantindo que todos os artefatos gerados \npelo experimentos estejam organizados e disponíveis, integração entre os projetos relacionados \nao RecSysExp, além da documentação do framework e dos trabalhos relacionados.},\n\tlanguage = {pt\\_BR},\n\turldate = {2025-08-01},\n\tauthor = {Silva, Lucas Natali Magalhães},\n\tyear = {2023},\n\tnote = {Accepted: 2023-07-06T12:34:06Z},\n\tkeywords = {⛔ No DOI found},\n}\n\n","author_short":["Silva, L. N. M."],"key":"silva_recsysexp_2023","id":"silva_recsysexp_2023","bibbaseid":"silva-recsysexpumframeworkdealtonveldeabstraoparaimplementaoevalidaodesistemasderecomendao-2023","role":"author","urls":{"Paper":"http://www.monografias.ufop.br/handle/35400000/5711"},"keyword":["⛔ No DOI found"],"metadata":{"authorlinks":{}}},"bibtype":"article","biburl":"https://api.zotero.org/users/6655/collections/3TB3KT36/items?key=VFvZhZXIoHNBbzoLZ1IM2zgf&format=bibtex&limit=100","dataSources":["7KNAjxiv2tsagmbgY"],"keywords":["⛔ no doi found"],"search_terms":["recsysexp","framework","alto","vel","abstra","para","implementa","valida","sistemas","recomenda","silva"],"title":"RecSysExp : um framework de alto nível de abstração para implementação e validação de sistemas de recomendação.","year":2023}