Predição de POIs baseados em influências de seleção do usuário

Abstract

Tendo em vista a dificuldade de escolha gerada pela grande diversidade de estabelecimentos encontrados nas cidades atualmente e a crescente aderência da população a redes sociais baseadas em localização, realiza-se uma pesquisa aplicada exploratória quali-quantitativa com enfoque indutivo sobre os frameworks existentes de recomendação e de predição de pontos de interesse. Foram identificados 5 fatores que influenciam usuários de redes sociais baseadas em localização a visitarem novos estabelecimentos: geografia, tempo, amizade, personalidade e escolhas feitas por usuários similares. Baseado nesses frameworks e nas influências identificadas, desenvolve-se um modelo unificado que será capaz de prever que estabelecimentos cada usuário visitará com base em parte de sua trajetória individual. Para tanto, divide-se a trajetória de cada usuário em duas partes, a primeira para análise e a segunda para validação, de modo que, ao aplicar o modelo desenvolvido à primeira parte da trajetória, idealmente chega-se na segunda. O modelo é aplicado à base de dados da rede social Gowalla. Diante disso, verifica-se que dentre os 5 fatores identificados, a escolha de usuários similares e a amizade obtiveram a melhor acurácia, e a união dos 5 fatores apresentou resultados melhores que cada fator individualmente, porém, diferentemente dos outros frameworks estudados, a melhora não foi significativa, o que impõe a constatação de que o problema precisa ser estudado mais a fundo.

Taking into account the difficulty of choice generated by the great diversity of points of interest currently found in cities and the population increasing adherence to location-based social networks, a qualitative and quantitative exploratory applied research with inductive reasoning is performed on existing points of interest prediction and recommendation. 5 factors that influence users from location-based social networks to visit new points of interest were identified: geography, time, friendship, personal taste and choices made from similar users. Based on the identified influences and the frameworks, an unified model that is capable of predict what points of interest each user will visit based on their individual trajectory is developed. To validate the model, each user trajectory is divided in two parts, the first for analysis and the second for validation, so that by applying the developed model to the former, ideally the latter is achieved. Finally, the model is applied to a Gowalla social network dataset. Facing the results, it is stated that among the five influential factors identified (geography, time, friendship, personal taste and similarity with other users), the similarity with other users and the friendship achieved the best prediction accuracy, and the unified model presented better results than each factor individually, however, unlike the other studied frameworks, the improvement was negligible, which imposes that the problem needs further research.