Proposta de modelo conceitual de recomendação de publicações científicas na Brapci

Abstract

Sistemas de recomendação estão presentes em diferentes espaços na Web, oferecendo sugestões personalizadas de itens ou serviços. Em um contexto de sobrecarga informacional resultante do crescimento exponencial da informação e do predomínio de dados não estruturados em relação à informação organizada, o uso de sistemas de filtragem da informação torna-se cada vez mais necessário, sendo uma tendência imprescindível para atender às necessidades informacionais de usuários na Internet, especialmente na busca por informação especializada. Este estudo propôs um modelo conceitual de recomendação de publicações científicas para a Brapci, precedido por uma pesquisa bibliográfica nas bases de dados nacionais Brapci e OasisBR. A pesquisa analisou dezessete estudos sobre sistemas de recomendação (SR) em áreas como e-commerce, streaming, catálogos online e repositórios digitais, com foco nas técnicas de Filtragem Colaborativa (FC), Filtragem Baseada em Conteúdo (FBC), Filtragem Híbrida e Filtragem Semântica. O modelo conceitual desenvolvido é dividido em três estratégias: itens relacionados, itens citados e itens personalizados. Itens relacionados usam FBC para recomendações baseadas nas consultas, no item visualizado e nos itens selecionados. Itens citados têm duas abordagens: uma não personalizada, com base nos itens mais citados pelo texto lido, e outra que considera a similaridade textual com os itens citados. Itens personalizados utilizam uma abordagem de Filtragem Híbrida que combina FC e FBC, aliadas à técnica de cascata, para alcançar maior precisão e relevância nas recomendações. O modelo também define aspectos relacionados à extração de informações do usuário, ao método de saída das recomendações, ao grau de personalização e à visualização das recomendações e dos itens avaliados no perfil de usuário da Brapci.

Recommendation systems are present in various spaces on the Web, offering personalized suggestions for items or services. In a context of informational overload resulting from the exponential growth of information and the predominance of unstructured data over organized information, the use of information filtering systems becomes increasingly necessary, making it an essential trend to meet the informational needs of users on the Internet, especially in the search for specialized information. This study proposed a conceptual model for recommending scientific publications for Brapci, preceded by a literature review of the national databases Brapci and OasisBR. The research analyzed seventeen studies on recommendation systems (RS) in areas such as e-commerce, streaming, online catalogs, and digital repositories, focusing on collaborative filtering (CF), content-based filtering (CBF), hybrid filtering, and semantic filtering techniques. The developed conceptual model is divided into three strategies: related items, cited items, and personalized items. Related items use CBF for recommendations based on queries, the viewed item, and selected items. Cited items have two approaches: a non-personalized one based on the most cited items in the read text, and another considering textual similarity with the cited items. Personalized items use hybrid filtering combining CF and CBF, along with the cascade technique, aiming for precision and relevance in the recommendations. The model also defines aspects related to user information extraction, recommendation output methods, the degree of personalization, and the visualization of recommendations and assessed items in the Brapci user profile.