FGV Repositório Digital
    • português (Brasil)
    • English
    • español
      Acesse:
    • FGV Biblioteca Digital
    • FGV Periódicos científicos e revistas
  • português (Brasil) 
    • português (Brasil)
    • English
    • español
  • Entrar
Ver item 
  •   Página inicial
  • FGV EAESP - Escola de Administração de Empresas de São Paulo
  • FGV EAESP - Centros de Estudos
  • FGV EAESP - GVpesquisa
  • FGV EAESP - GVpesquisa - Relatórios Técnicos
  • Ver item
  •   Página inicial
  • FGV EAESP - Escola de Administração de Empresas de São Paulo
  • FGV EAESP - Centros de Estudos
  • FGV EAESP - GVpesquisa
  • FGV EAESP - GVpesquisa - Relatórios Técnicos
  • Ver item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Navegar

Todo o repositórioComunidades FGVAutorOrientadorAssuntoTítuloDataPalavra-chaveEsta coleçãoAutorOrientadorAssuntoTítuloDataPalavra-chave

Minha conta

EntrarCadastro

Estatísticas

Ver as estatísticas de uso

Perfil de usuários da Biblioteca Karl A. Boedecker

Thumbnail
Visualizar/Abrir
Rel 14-2001.pdf (555.0Kb)
Data
2005-11-24
Autor
Aranha Filho, Francisco José Espósito
Metadados
Mostrar registro completo
Resumo
Artificial Intelligence techniques can be applied to library circulation transactions to generate suggestions of items relevant to patrons and researchers. The Recommendation System presented in this report is based on consolidation and linkage of transaction records stored in a Circulation Data Mart, and on Basket Analysis, Cluster Analysis and Link Analysis techniques. An strategy of indirect cooperation has been adopted. In the proposed model, library items are consolidated in Significant Subjects and Theme Groups. Patrons, on the other hand, are clustered by Theme Group and segmented by their reading profile. Through consolidation, recommendation lists are generated for each Specialized Subgroup. Lists contain specialized, thematic and general suggestions. Virtual transactions are used to improve recommendations. The Recommendation System developed in this project can be used not only in libraries but also in virtual bookshops; it can be easily adapted to practically any kind of e-business enterprise.
 
Técnicas de inteligência artificial, aplicadas a dados de transações de empréstimo do acervo de uma biblioteca, podem gerar recomendações de itens relevantes para usuários e pesquisadores. O sistema sugerido neste relatório é baseado em procedimentos de consolidação e conexão de registros em um data mart, associados às técnicas de análise de cestas, análise de agrupamentos e análise de redes, numa estratégia de cooperação indireta. No modelo aqui proposto, os itens da biblioteca são consolidados em assuntos significativos e grupos temáticos. Os usuários, por outro lado, são separados por grupos temáticos e segmentados segundo seu perfil de leitura. Por meio de consolidação são criadas listas para cada subgrupo especializado obtido, contendo recomendações específicas, temáticas e gerais. Sugere-se a utilização de transações virtuais para aperfeiçoar as recomendações. Além de servir a bibliotecas, o modelo proposto tem aplicabilidade direta em livrarias virtuais e pode ser adaptado para praticamente qualquer tipo de empreendimento em e-business.
 
URI
http://hdl.handle.net/10438/2959
Coleções
  • FGV EAESP - GVpesquisa - Relatórios Técnicos [417]
Áreas do conhecimento
Administração de empresas
Assunto
Análise de redes (Planejamento)
Banco de dados
Livrarias virtuais
Palavra-chave
Artificial Intelligence
Data mart
Data warehouse
Cluster analysis
Databases
Knowledge management
Indirect cooperation
Bibliotecas
Estatística
Inteligência artificial
Marketing

DSpace software copyright © 2002-2016  DuraSpace
Entre em contato | Deixe sua opinião
Theme by 
@mire NV
 

 


DSpace software copyright © 2002-2016  DuraSpace
Entre em contato | Deixe sua opinião
Theme by 
@mire NV
 

 

Importar metadado