Análise de aplicabilidade de recomendações baseadas em grafos para conteúdos multimídia do globoplay

Abstract

Com a Internet cada vez mais presente no dia-a-dia das pessoas, cresce cada vez mais a quantidade de informações disponíveis ao usuário. Com o objetivo de personalizar a experiência do usuário, são utilizados sistemas de recomendação para apresentar a ele apenas informações consideradas relevantes. Este trabalho tem como objetivo geral analisar a aplicabilidade de diferentes sistemas de recomendação baseados em grafos propostos na literatura sobre um conjunto de dados da plataforma de streaming digital Globoplay. Inicialmente, foi realizada uma análise da literatura para encontrar trabalhos com código fonte disponível e replicáveis. Em seguida, foi feita uma modelagem do conjunto de dados fornecido em um grafo de conhecimento. Por fim, os frameworks foram treinados com o grafo de conhecimento gerado e foi realizada uma análise individual dos resultados, assim como uma comparação geral entre os trabalhos. Os experimentos realizados demonstraram bons resultados, indicando grande potencial destes modelos quando aplicados ao conjunto de dados do Globoplay. Outro ponto observado foi a tendência que os sistemas de recomendação baseados em grafos têm de fornecer boas recomendações em um contexto de conteúdos de mídia audiovisual. Além disso, também foi observado que um aumento na quantidade de informações utilizadas para o treinamento destes modelos tem grande potencial para melhorar ainda mais os resultados obtidos.

With the internet increasingly present in people’s daily lives, the amount of information available to the user grows more and more. In order to personalize the user experience, recommender systems are used to present only information that the user considers relevant. The general goal of this work is to analyze the applicability of different graph-based recommendation systems proposed in the literature on a dataset from the Globoplay digital streaming platform. Initially, a literature review was performed to find works with available source code and replicable. Then, the provided dataset was modeled into a knowledge graph. Finally, the frameworks were trained with the generated knowledge graph and an individual analysis of the results was performed, as well as a general comparison between the works. The experiments performed showed good results, indicating great potential of these models when applied to the Globoplay dataset. Another point observed was the tendency of graph-based recommendation systems to provide good recommendations in a context of audiovisual media content. In addition, it was also observed that an increase in the amount of information used for training these models has great potential to further improve the results obtained.