Convidamos todos a assistirem à Defesa de Dissertação de Mestrado do aluno Leonara A. C. da Silva. Seguem abaixo as informações sobre a defesa:

Título: Modelo Bayesiano Heterocedástico de Fatorização Probabilística de Matrizes

Data: 18 de março de 2020
Início: 13:00
Local: Sala C-116 do bloco C do CT, IM/UFRJ

Banca Examinadora:
Ralph dos Santos Silva
Marina Silva Paez
Heudson Tosta Mirandola

Resumo: Essa dissertação propõe uma extensão do método de fatorização probabilística de matrizes bayesiana para lidar com dados esparsos e de alta dimensionalidade, ou seja, dados contendo muitos zeros e com milhões de informações. Essa metodologia emprega técnicas de fatores latentes, considerado o estado da arte em sistemas de recomendação baseado em modelos de filtragem colaborativa. A proposta é incluir variações entre avaliações de usuários para acomodar opiniões divergentes sobre diversos itens, que podem ser mais generosos ou não em suas críticas a respeito dos produtos. Por essa razão, apresentar-se-ão novas prioris para os parâmetros que não foram definidas na abordagem anterior para obter maior escalabilidade e uma variação específica para cada usuário. Comparar-se-ão os resultados obtidos com os métodos de fatorização probabilística de matrizes (PMF) e fatorização probabilística bayesiana de matrizes (BPMF) para os dados da Netflix e do MovieLens com base na raiz do erro quadrático médio (REQM).