Filtragem colaborativa baseada no algoritmo k-Nearest Neighbors

Com o surgimento da Web 2.0 o volume de informações disponíveis na Internet cresceu acentuadamente, tornando cada vez mais difícil para o usuário alcançar a informação desejada. A filtragem colaborativa é uma das abordagens mais eficazes na área de recomendação. Dentre os algoritmos colaborativos, o k-Nearest Neighbors (kNN) destaca-se como uma alternativa simples, popular e capaz de fornecer excelentes resultados. Esse algoritmo gera recomendações a partir das avaliações dos usuários mais similares (vizinhos mais próximos) ao usuário alvo. Apesar de sua eficácia, o kNN apresenta um custo computacional elevado ao ser executado em grandes bases de dados, tornando sua aplicação inviável em alguns domínios. Neste trabalho objetiva-se melhorar o desempenho do kNN a partir da restrição do espaço de busca dos vizinhos mais próximos. O método proposto utiliza uma heurística de seleção baseada na escolha dos usuários que mais avaliaram itens. Como resultado, constatou-se que utilizando apenas 15% dos usuários na busca dos vizinhos, consegue-se reduzir significativamente o custo computacional, porém mantendo alto nível de acurácia.