Metodologia para recomendação de vídeos baseada em descritores de conteúdo visuais e textuais

Resumo

Este trabalho aborda o desenvolvimento de uma nova abordagem multimodal para lidar com o problema de cold-start em sistemas de vídeo de recomendação. Dado um documento de vídeo, que geralmente consiste de uma sequência de imagens, áudio e informações relacionadas – como o título, tags (rótulos) e descrição –, a recomendação de vídeos visa encontrar uma lista dos vídeos mais relevantes para direcionar os usuários. O problema de cold-start é ocasionado quando, ao recomendar um item, não se possui informações sobre o usuário (cold-start user) ou sobre o item (cold-start item). Mais especificamente, nossa abordagem considera duas modalidades de informação: (i) visual (informações de cor e facial) e (ii) textual (tags, título e descrição) de informação. Para avaliar a recomendação realizada, estendemos o método Sparse linear method with side information (SSLIM), que considera as modalidades de informação acima mencionadas e o comparamos com o KNN que aqui representa o baseline a ser superado. Neste trabalho, propomos uma abordagem que explora a informação visual e textual para descrever adequadamente vídeos no nosso sistema de recomendação. Os resultados experimentais obtidos em uma coleção real de vídeos, com 207.154 vídeos do Youtube mostra que foi possível melhorar até 7%, quando comparado com uma única modalidade e de 13% sobre o baseline, demonstrando a eficácia da abordagem proposta e destacando a utilidade da informação multimodal quando se lida com o problema de Cold-Start.