Experience

Itera

• Brazil
• Information Technology & Services
• 1 - 100 Employee

• Cientista de dados

  • Apr 2019 - Present



Instituto de Ciências Matemáticas e de Computação (ICMC) - USP

• Brazil
• Research
• 100 - 200 Employee

• Estudante de doutorado

  • Mar 2015 - Dec 2019

  Título: Sistema de Recomendação Sensível ao Contexto e baseado em OpiniõesResumo: Atualmente, com a sobrecarga de informações, serviços e produtos disponíveis na Web, os usuários têm dificuldade em identificar o que de fato é relevante para seus interesses e preferências. Dessa forma, os sistemas de recomendação estão sendo desenvolvidos e implantados em um número crescente de sites e aplicativos para auxiliar os usuários, sugerindo itens (produtos, serviços, filmes, etc.) que correspondam às suas preferências e necessidades. Nos sistemas de recomendação tradicionais, apenas dois tipos de entidades são considerados itens e usuários. No entanto, a tendência nessa área é o uso de novos tipos de informações, como informações contextuais, para gerar recomendações mais personalizadas, precisas e relevantes para os usuários. Estudos mostram que o uso desse tipo de informação melhora a precisão das recomendações. Um dos principais desafios encontrados na área de sistemas de recomendação sensíveis ao contexto é a carência de métodos automáticos para executar a extração desse tipo de informação. Desta forma, métodos e estratégias eficazes são estudados para este propósito, bem como dados a partir dos quais o contexto pode ser extraído com sucesso. Por outro lado, com o avanço da Web 2.0 e a crescente popularidade das redes sociais e do comércio eletrônico, os usuários têm sido cada vez mais incentivados a escrever reviews descrevendo suas opiniões sobre os itens. A partir dessas reviews, informações importantes podem ser extraídas para serem usadas em sistemas de recomendação, como contexto e opiniões. Assim, o objetivo deste trabalho é propor: 1) um método automático para extrair informações contextuais a partir de reviews, que será baseado em abordagens de mineração de textos; e 2) um método automático para extrair opiniões usando métodos de opinião baseados em aspectos. Show less

• Estudante de Mestrado

  • Feb 2013 - Feb 2015

  Título da dissertação: Extração de informação contextual utilizando mineração de textos para sistemas de recomendação sensíveis ao contextoResumo: Com a grande variedade de produtos e serviços disponíveis na Web, os usuários possuem, em geral, muita liberdade de escolha, o que poderia ser considerado uma vantagem se não fosse pela dificuldade encontrada em escolher o produto ou serviço que mais atenda a suas necessidades dentro do vasto conjunto de opções disponíveis. Sistemas de recomendação são sistemas que têm como objetivo auxiliar esses usuários a identificarem itens de interesse em um conjunto de opções. A maioria das abordagens de sistemas de recomendação foca em recomendar itens mais relevantes para usuários individuais, não levando em consideração o contexto dos usuários. Porém, em muitas aplicações é importante também considerar informações contextuais para fazer as recomendações. Por exemplo, um usuário pode desejar assistir um filme com a sua namorada no sábado à noite ou com os seus amigos durante um dia de semana, e uma locadora de filmes na Web pode recomendar diferentes tipos de filmes para este usuário dependendo do contexto no qual este se encontra. Um grande desafio para o uso de sistemas de recomendação sensíveis ao contexto é a falta de métodos para aquisição automática de informação contextual para estes sistemas. Diante desse cenário, neste trabalho é proposto um método para extrair informações contextuais do conteúdo de páginas Web que consiste em construir hierarquias de tópicos do conteúdo textual das páginas considerando, além da bag-of-words tradicional (informação técnica), também informações mais valiosas dos textos como entidades nomeadas e termos do domínio (informação privilegiada). Os tópicos extraídos das hierarquias das páginas Web são utilizados como informações de contexto em sistemas de recomendação sensíveis ao contexto. Show less



Prefeitura Municipal de São Carlos

• São Carlos e Região, Brasil

• Assistente Administrativo

  • Nov 2009 - Mar 2019