1. Pantheon
  2. Trabalhos Acadêmicos e Técnicos
  3. Trabalhos de Conclusão de Curso de Graduação
  4. Ciência da Computação
Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/11206
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMenasché, Daniel Sadoc-
dc.contributor.authorNogueira, Mateus S.-
dc.date.accessioned2020-01-31T17:28:45Z-
dc.date.available2023-12-21T03:06:45Z-
dc.date.issued2019-08-26-
dc.identifier.urihttp://hdl.handle.net/11422/11206-
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectQuality of Experience (QoE)en
dc.subjectQuality of Service (QoS)en
dc.subjectQuality of Recommendation (QoR)en
dc.titleRecomendação de conteúdo e QoE: quantificando o papel da QoS nas preferências por vídeospt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/9931198850020140pt_BR
dc.contributor.referee1Rossetto, Silvana-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0054098292730720pt_BR
dc.contributor.referee2Zimbrão, Geraldo-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3937502490683382pt_BR
dc.description.resumoSistemas de recomendação estão cada vez mais presentes na rotina dos usuários da Internet. Portanto, plataformas como Youtube e Netflix procuram melhorar suas recomendações para fornecer uma melhor experiência aos seus usuários. No entanto, a experiência dos usuários depende de diversos fatores. Em particular, sistemas de cache têm uma grande influência na qualidade de experiência (QoE), visto que eles impactam métricas de qualidade de serviço (QoS), como atraso e vazão, experimentadas pelos usuários. Nosso objetivo é estudar a viabilidade de um sistema de recomendação sensível a QoS que maximize a QoE. Para tal, nós conduzimos experimentos com usuários reais com perfis distintos. Cada usuário é solicitado a avaliar diferentes vídeos, que variam em termos de conteúdo e de QoS. Dadas nossas descobertas quanto à relação entre QoS e QoR (quality of recommendation), investigamos seus impactos no modelo de sistema de recomendação. Um classificador baseado em árvore de decisão alcançou acurácia de 77% usando validação cruzada, e nos permite entender melhor o processo de tomada de decisão do usuário.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Computaçãopt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAOpt_BR
dc.embargo.termsabertopt_BR
Appears in Collections:Ciência da Computação

Files in This Item:
File Description SizeFormat 
MSNogueira.pdf535.03 kBAdobe PDFView/Open
Show simple item record Recommend this item View Statistics


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.