Um sistema de recomendação baseado em conteúdo para adoção de animais utilizando a técnica do cosseno ponderado

Autores

DOI:

https://doi.org/10.1590/1983-3652.2024.42708

Palavras-chave:

Sistema de recomendação, Recomendação baseada em conteúdo, Adoção de animais, Adoção de cães, Técnica do cosseno ponderado

Resumo

A adoção animal é considerada um gesto grandioso que carrega consigo grande responsabilidade social, visto que um animal precisa dos cuidados e carinho diário do adotante. Muito além da aparência e questões estéticas, é essencial que o adotante considere suas reais condições respeitando as características específicas do animal. A falta de perícia na escolha do animal pode acarretar uma adoção irresponsável e infrutuosa, comprometendo a qualidade de vida do animal. Portais de adoção de animais são suscetíveis a esse problema se não fornecerem mecanismos que tentem aproximar as reais preferências e condições do adotante com as características do animal. Diante dessa problemática, este artigo propõe um sistema de recomendação baseado em conteúdo que visa sugerir animais para adoção considerando as preferências dos adotantes, aplicando a técnica do cosseno ponderado. A ponderação é fundamental no cálculo de similaridade entre as preferências dos adotantes e das características do animal. Os experimentos realizados apontam um aumento de precisão das recomendações quando a ponderação é aplicada sobre o método tradicional sem considerar as preferências do adotante por determinadas características dos animais a serem adotados.

Downloads

Não há dados estatísticos.

Referências

AGGARWAL, Charu C. An Introduction to Recommender Systems. In: RECOMMENDER Systems: The Textbook. Cham: Springer International Publishing, 2016. P. 1–28. ISBN 978-3-319-29659-3. DOI: 10.1007/978-3-319-29659-3_1.

ALEJO, García-Rodríguez et al. Avances en la gestión de un centro de acogida de animales de compañía. Scielo, p. 76–78, 2008. DOI: 10.1157/13115116.

ALVES, Ana et al. Abandono de cães na América Latina: revisão de literatura. Revista de Educação Continuada em Medicina Veterinária e Zootecnia do CRMV-SP, v. 11, p. 34–41, 2013. DOI: https://doi.org/10.36440/recmvz.v11i2.16221.

ASPCA. Meet Your Match Pet Adoption Program. Disponível em: https://www.aspcapro.org/resource/meet-your-match-pet-adoption-program.

AL-BASHIRI, Hael et al. Collaborative Filtering Similarity Measures: Revisiting. In: PROCEEDINGS of the International Conference on Advances in Image Processing. Bangkok, Thailand: Association for Computing Machinery, 2017. (ICAIP 2017), p. 195–200. ISBN 9781450352956. DOI: 10.1145/3133264.3133299. Disponível em: https://doi.org/10.1145/3133264.3133299.

BURKE, Robin. Hybrid Recommender Systems: Survey and Experiments. User Modeling and User-Adapted Interaction, Kluwer Academic Publishers, Hingham, MA, USA, v. 12, n. 4, p. 331–370, nov. 2002. ISSN 0924-1868.

CHENG, Wai Khuen et al. Affective Recommender System for Pet Social Network. Sensors, v. 22, n. 18, 2022. ISSN 1424-8220. DOI: 10.3390/s22186759. Disponível em: https://www.mdpi.com/1424-8220/22/18/6759.

CHYAN, Phie. Design of Purebred Dog Recommendation System Using MCDM Approach. Advances in Science, Technology and Engineering Systems Journal, v. 5, n. 5, p. 148–153, 2020. DOI: 10.25046/aj050520.

DIAS DE ALMEIDA, Joao Paulo; DURAO, Frederico Araujo. Personalizing the Top-k Spatial Keyword Preference Query with textual classifiers. Expert Systems with Applications, v. 162, p. 113841, 2020. ISSN 0957-4174. DOI: https://doi.org/10.1016/j.eswa.2020.113841. Disponível em: https://www.sciencedirect.com/science/article/pii/S0957417420306503.

ELEY, Amy. Lost and found: App uses facial recognition technology to find missing pets. 2014. Disponível em: https://www.today.com/style/lost-found-app-uses-facial-recognition-technology-find-missing-pets-2d79501254. Acesso em: 13 abr. 2023.

FALCONERY, Lucas. Cães e gatos adotados em Fortaleza recebem microchips para evitar abandono. [S.l.]: G1-CE, 2019. Disponível em: https://g1.globo.com/ce/ceara/noticia/2019/07/29/caes-e-gatos-adotados-em-fortaleza-recebem-microchips-/para-evitar-abandono.ghtml.

FAPESP. Aplicativo utiliza visão computacional para identificar animais perdidos. [S.l.]: FAPESP, 2017. Disponível em: http://pesquisaparainovacao.fapesp.br/aplicativo_utiliza_visao_computacional_para_identificar_animais_perdidos/463.

FURCODE. Disponível em: https://www.pethub.com/furcode.

GARUN, Natt. A Chinese AI startup is tracking lost dogs using their nose prints. 2019. Disponível em: https://www.theverge.com/2019/7/13/20693064/megvii-chinese-ai-facial-recognition-lost-pets-dogs-cats-surveillance. Acesso em: 13 abr. 2023.

GOLDBERG, David et al. Using Collaborative Filtering to Weave an Information Tapestry. Commun. ACM, ACM, New York, NY, USA, v. 35, n. 12, p. 61–70, dez. 1992. ISSN 0001-0782. DOI: 10.1145/138859.138867. Disponível em: http://doi.acm.org/10.1145/138859.138867.

GOMES, Caroline Cavalcante Maia. Guarda responsável de animais de companhia: um estudo sobre a responsabilidade civil dos proprietários e a entrega de cães e gatos na Diretoria de Vigilância Ambiental do Distrito Federal. [S.l.: s.n.], 2013. Último acesso em 22 de maio de 2022. Disponível em: http://bdm.unb.br/handle/10483/5985.

HERLOCKER, Jonathan L. et al. Evaluating Collaborative Filtering Recommender Systems. ACM Trans. Inf. Syst., ACM, New York, NY, USA, v. 22, n. 1, p. 5–53, jan. 2004. ISSN 1046-8188. DOI: 10.1145/963770.963772. Disponível em: http://doi.acm.org/10.1145/963770.963772.

IAMS. Disponível em: https://www.iams.com/dog-breed-selector.

IBOPE. Au.Dote. [S.l.: s.n.], 2015. Disponível em: http://www.ibopeinteligencia.com/noticias-e- pesquisas/pesquisa-traca-o-perfil-dos-proprietarios-de-pets-no-bra/sil/. [Último acesso em 22 de maio de 2022]. Disponível em: %7Bhttp://www.ibopeinteligencia.com/noticias-e-pesquisas/pesquisa-traca-o-perfil-dos-proprietarios-de-pets-no-bra/sil/%7D.

JEYARAJ, Pradeepa; APONSO, Achala. A Review of Techniques for Image Classification to Enhance Online Animal Adoption Speed. In: PROCEEDINGS of the 2020 12th International Conference on Computer and Automation Engineering. Sydney, NSW, Australia: Association for Computing Machinery, 2020. (ICCAE 2020), p. 114–118. ISBN 9781450376785. DOI: 10.1145/3384613.3384656. Disponível em: https://doi.org/10.1145/3384613.3384656.

KAJBAJE, Sumit; SAWANT, Rohit; PATIL, Ronit Loke3 Vishwajeet. AI-Based Pet Adoption System. International Research Journal of Engineering e Technology (IRJET), 2022. ISSN 2395-0056. Disponível em: https://www.irjet.net/archives/V9/i4/IRJET-V9I4298.pdf.

KARAM, Orlando; HALSTEAD-NUSSLOCH, Richard. Introducton to Android Development. J. Comput. Sci. Coll., Consortium for Computing Sciences in Colleges, Evansville, IN, USA, v. 28, n. 2, p. 224, out. 2012. ISSN 1937-4771.

KONSTAN, Joseph A. Introduction to Recommender Systems. In: PROCEEDINGS of the 2008 ACM SIGMOD International Conference on Management of Data. Vancouver, Canada: Association for Computing Machinery, 2008. (SIGMOD ’08), p. 1373–1374. ISBN 9781605581026. DOI: 10.1145/1376616.1376776. Disponível em: https://doi.org/10.1145/1376616.1376776.

LOPS, P.; GEMMIS, M. de; SEMERARO, G. Content-based recommender systems: State of the art and trends. In F. Ricci, L. Rokach, B. Shapira, and P. B. Kantor, editors, Recommender Systems Handbook. In: [s.l.]: Springer US, 2011. P. 73–105. ISBN 978-0-387-85820-3. DOI: 10.1007/978-0-387-85820-3_3.

MAHARRY, Dan. Getting Up to Speed with TypeScript. In: [s.l.: s.n.], jan. 2013. P. 1–26. ISBN 978-1-4302-5725-7. DOI: 10.1007/978-1-4302-5726-4_1.

MATOS, Liziane Gonçalves d. Quando a ajuda é animalitária : um estudo antropológico sobre sensibilidades e moralidades envolvidas no cuidado e proteção de animais abandonados a partir de Porto Alegre-RS. [S.l.: s.n.], 2012. Último acesso em 22 de maio de 2022. Disponível em: http://hdl.handle.net/10183/56016.

METRÓPOLES. Sem raça definida. [S.l.]: Metrópoles - Portal do Dog, 2020. Último acesso em 22 de maio de 2022. Disponível em: https://www.portaldodog.com.br/cachorros/racas-cachorros/sem-raca-definida-srd/.

MLADENIC, D. Text-learning and related intelligent agents: A survey. [S.l.]: IEEE Intelligent Systems, 1999. Último acesso em 22 de maio de 2022. Disponível em: https://ieeexplore.ieee.org/document/784084.

NAHRA, Alessandra. Tecnologia e adoção de animais. [S.l.: s.n.], 2015. Disponível em: http://www.saiba-mais.com/2015/07/23/tecnologia-e-adocao-de-animais/.

ORLANDI, Claudio. Firebase: serviços, vantagens, quando utilizar e integrações. [S.l.: s.n.], 2019. Último acesso em 22 de maio de 2022. Disponível em: https://blog.rocketseat.com.br/firebase/.

PEDERNEIRAS, Gabriela. App chinês usa reconhecimento facial para identificar animais perdidos. [S.l.]: Tecmundo, 2022. Disponível em: https://www.tecmundo.com.br/software/143909-app-chines-usa-reconhecimento-facial-identificar/-animais-perdidos.htm.

PRODUITS NESTLÉ S.A., Société des. Dogs for adotion. Disponível em: https://www.petfinder.com/search/dogs-for-adoption/?sort%5B0%5D=recently_added. Acesso em: 13 abr. 2023.

PROTOPOPOVA, A; GUNTER, LM. Adoption and relinquishment interventions at the animal shelter: a review. [S.l.]: Cambridge University Press, 2017. v. 26, p. 35–48. DOI: 10.7120/09627286.26.1.035.

RESNICK, Paul; VARIAN, Hal R. Recommender Systems. Commun. ACM, ACM, New York, NY, USA, v. 40, n. 3, p. 56–58, mar. 1997. ISSN 0001-0782. DOI: 10.1145/245108.245121. Disponível em: http://doi.acm.org/10.1145/245108.245121.

RICCI, Francesco; ROKACH, Lior; SHAPIRA, Bracha. Introduction to Recommender Systems Handbook. In: [s.l.]: Springer US, 2011. P. 1–35. ISBN 978-0-387-85820-3. DOI: 10.1007/978-0-387-85820-3_1.

SALEEM, Asma et al. Pre-Processing Methods of Data Mining. In: PROCEEDINGS of the 2014 IEEE/ACM 7th International Conference on Utility and Cloud Computing. USA: IEEE Computer Society, 2014. (UCC ’14), p. 451–456. ISBN 9781479978816. DOI: 10.1109/UCC.2014.57. Disponível em: https://doi.org/10.1109/UCC.2014.57.

SILVA, Diego Corrêa da. Ouvido musical: explorando metadados em um sistema de recomendação de músicas. [S.l.]: RI UFBA, 2019. Último acesso em 22 de maio de 2022. DOI: 10.13140/RG.2.2.26829.56800. Disponível em: http://repositorio.ufba.br/ri/handle/ri/29739.

SIQUEIRA SANTOS, Matheus Gallo de et al. PET WORLD: Algoritmos de recomendações aplicados no mundo animal. RE3C-Revista Eletrônica Científica de Ciência da Computação, v. 16, n. 1, 2021.

SONG, Hee Seok; KIM, Young Ae. A dog food recommendation system based on nutrient suitability. Expert Systems, v. 38, n. 2, e12623, 2021. DOI: https://doi.org/10.1111/exsy.12623.

SOUZA, Francisco et al. FugaPet-Rotas: Um algoritmo inteligente para recomendação de rotas visando buscar animais desaparecidos. In: ANAIS da VI Escola Regional de Engenharia de Software. Blumenau: SBC, 2022. P. 199–208. DOI: 10.5753/eres.2022.227993. Disponível em: https://sol.sbc.org.br/index.php/eres/article/view/22387.

STAFFORD, Kevin. The Welfare of Dogs. In: [s.l.: s.n.], 2007. ISBN 9781402043611.

TOZZI, Tatiana; ANDERLE, Daniel Fernando; NOGUEIRA, Rodrigo Ramos. Levantamento de Tecnologias para ONGs de Proteção Animal para apoio ao resgate de animais domésticos acoplados ao ciclo de vida de um sistema Web. In: ANAIS Estendidos do XXIV Simpósio Brasileiro de Sistemas Multimídia e Web. [S.l.]: SBC, 2018. P. 81–84. DOI: 10.5753/webmedia.2018.4574. Disponível em: https://sol.sbc.org.br/index.php/webmedia_estendido/article/view/4063.

TOZZI, Tatiana; ANDERLE, Daniel Fernando; NOGUEIRA, Rodrigo Ramos. Levantamento de tecnologias para ONGs de Proteção Animal para apoio ao resgate de animais domésticos acoplados ao ciclo de vida de um Sistema Web. In: SBC. ANAIS Estendidos do XXIV Simpósio Brasileiro de Sistemas Multimídia e Web. [S.l.: s.n.], 2018. P. 81–84.

WENG, Hsin-Yi et al. Risk factors for unsuccessful dogownership: An epidemiologic study in Taiwan. Elsevier, p. 82–85, 2006. DOI: 10.1016/j.prevetmed.2006.06.004.

ZANGERLE, Eva; BAUER, Christine. Evaluating Recommender Systems: Survey and Framework. ACM Comput. Surv., Association for Computing Machinery, New York, NY, USA, v. 55, n. 8, out. 2022. ISSN 0360-0300. DOI: 10.1145/3556536. Disponível em: https://doi.org/10.1145/3556536.

ZHANG, Shuai et al. Deep Learning Based Recommender System: A Survey and New Perspectives. ACM Comput. Surv., Association for Computing Machinery, New York, NY, USA, v. 52, n. 1, fev. 2019. ISSN 0360-0300. DOI: 10.1145/3285029. Disponível em: https://doi.org/10.1145/3285029.

Downloads

Publicado

02-11-2023

Como Citar

SANTOS, M. C.; SANTOS, L. L. da S. dos; SANTOS, V. H. B. dos; BRANDÃO, G. S.; DURÃO, F. A. Um sistema de recomendação baseado em conteúdo para adoção de animais utilizando a técnica do cosseno ponderado. Texto Livre, Belo Horizonte-MG, v. 17, p. e42708, 2023. DOI: 10.1590/1983-3652.2024.42708. Disponível em: https://periodicos.ufmg.br/index.php/textolivre/article/view/42708. Acesso em: 20 jul. 2024.