Func¸˜ao de Distˆancia Entre Filmes

Tal como no algoritmo de clustering, a func¸˜ao de distˆancia ´e essencial para o c´alculo do vizinho mais pr´oximo. No caso da func¸˜ao que mede a distˆancia entre filmes, volta-se a utilizar a equac¸˜ao

4.20, dist(X1, X2) = v u u t n X i=1 (x1i− x2i)2.

Para utilizar esta func¸˜ao, recorre-se `as adaptac¸˜oes referidas na secc¸˜ao4.3.1, que ser˜ao descritas no decorrer desta secc¸˜ao. Para a normalizac¸˜ao dos valores, volta-se a usar a equac¸˜ao4.21,

v0 = v − minA maxA− minA

,

Para guardar o resultado do somat´orio de todas as distancia dos atributos ´e, tamb´em, utilizada a vari´avel sigma que representa o Σ da equac¸˜ao4.20.

Na func¸˜ao, o primeiro atributo analisado ´e a durac¸˜ao do filme. Para obter o valor m´aximo e m´ınimo deste atributo, procura-se na base de dados o filme com maior durac¸˜ao e o filme com menor durac¸˜ao. Estes valores passam a ser, respetivamente, o maxduracaoe o minduracao, para a

normalizac¸˜ao dos dados. O valor da durac¸˜ao normalizado, duracao0, ´e dado por:

duracao0 = duracao − minduracao maxduracao− minduracao

.

Depois de ser feita a normalizac¸˜ao da durac¸˜ao, o resultado de

(duracao0_{f ilme1}− duracao0_{f ilme2})2 ´e acumulado na vari´avel sigma.

O pr´oximo atributo em analise ´e o ano do filme. Para obter o valor m´aximo e m´ınimo deste atributo, procura-se na base de dados o filme mais recente e o filme mais antigo. Estes valores passam a ser, respetivamente, o maxanoe o minano, para normalizac¸˜ao dos dados. O valor da

durac¸˜ao normalizado, ano0, ´e dado por:

ano0 = ano − minano maxano− minano

.

Depois de normalizadar a durac¸˜ao, o resultado de,

(ano0_{f ilme1}− ano0_{f ilme2})2 ´e acumulado na vari´avel sigma.

As vari´aveis bin´arias assim´etricas analisadas foram as categorias dos filme, as palavras-chave, o elenco, os escritores e os realizadores do filme. Para se calcular a distˆancia para cada conjunto de vari´aveis, recorre-se `a equac¸˜ao4.9. Para cada um dos cinco conjuntos de vari´aveis. ´e utilizada a func¸˜ao de distancia. Como s˜ao todas semelhantes, podem ser representadas pela func¸˜ao d(i, j),

d(i, j) = r + s q + r + s.

O resultado obtido na an´alise de cada conjunto de vari´aveis ´e multiplicado pelo n´umero de vari´aveis analisadas e ´e acumulado na vari´avel sigma.

O resultado final da func¸˜ao de distˆancia ´e dado pela ra´ız quadrada do valor acumulado na vari´avel sigma,√sigma. Desta forma tem-se o resultado a equac¸˜ao:

dist(X1, X2) = v u u t n X i=1 (x1i− x2i)2.

7 Conclus˜oes

7.1 An´alise de Resultados

A televis˜ao iterativa ´e uma ´area muito f´ertil, com in´umeras ´areas a estudar e por vezes at´e labir´ınticas. Desenvolver um novo servic¸o de televis˜ao iterativa pode levar a perguntas como ”o que oferecer?” ou ”como operar?”. As respostas a estas perguntas podem ser encontradas na secc¸˜ao2.2.

Relativamente `a pergunta ”como tornar o servic¸o de televis˜ao iterativa sustent´avel”?, a res- posta, segundo o analisado, seria poss´ıvel de duas formas: atrav´es duma subscric¸˜ao, como ´e o caso dos servic¸os de TV pagos em Portugal como Meo, Nos e Vodafone, ou ainda Netflix, onde os utilizadores tˆem de pagar pelo servic¸o prestado; ou atrav´es de publicidade como ´e o caso do YouTube.

Em relac¸˜ao `a publicidade, ´e poss´ıvel concluir que a maior parte dos utilizadores a consideram enfadonha e se tiverem oportunidade de a ignorar, fazem-no. No entanto, se esta publicidade for da sua ´area de interesse, tˆem todo o prazer de assistir at´e ao final e ´e muito mais prov´avel comprarem o produto. Por este motivo, faz todo o sentido personalizar a publicidade e dirigi-la ao seu p´ublico alvo.

No que toca `a interface, esta pode induzir stress aos utilizadores se n˜ao for simples e intuitiva. Num servic¸o de televis˜ao iterativa, faz todo o sentido disponibilizar v´arias interfaces, como ´e o caso do servic¸o de TV da Vodafone, que permite aos seus utilizadores interagirem com o sistema atrav´es do controlo remoto, ou atrav´es do comando por voz. Como foi poss´ıvel verificar, a pr´atica da criac¸˜ao de v´arios atalhos tamb´em ´e uma boa medida no desenho da interface, permitindo assim uma melhor experiˆencia ao utilizador e reduzindo os seus n´ıveis de stress.

Foi referido na secc¸˜ao2.4 que o panorama portuguˆes est´a num bom caminho, como demons- tram os pr´emios arrecadados no setor. No entanto, os utilizadores n˜ao est˜ao totalmente satisfeitos e pedem melhores sistemas de recomendac¸˜ao, e que sejam introduzidos lentamente, pois, como j´a foi referido, mudanc¸as bruscas s˜ao sempre criadoras de stress, principalmente para os utiliza- dores com dificuldades no manuseamento das tecnologias.

Neste projeto, existia o desafio de utilizar t´ecnicas de inteligˆencia numa linguagem de script, o Ruby. Sendo uma linguagem desconhecida no arranque da criac¸˜ao da ZenTV, o desafio foi superado, tendo sido conclu´ıdo que apesar de ser poss´ıvel a implementac¸˜ao nesta linguagem, n˜ao ´e uma pr´atica recomend´avel dada a falta de performance registada na an´alise de um grande volume de dados, como ´e o caso da implementac¸˜ao do k-means ou na gerac¸˜ao de candidatos a itemsets frequentes nas regras de associac¸˜ao ou na execuc¸˜ao do k-Nearest Neighbors.

Relativamente ao sistema de recomendac¸˜ao, a combinac¸˜ao de diferentes t´ecnicas resultou numa forma interessante de analisar o problema, capaz de dar recomendac¸˜ao face ao perfil do utilizador em an´alise.

Desta forma, os objetivos definidos na secc¸˜ao1.4foram alcanc¸adas.Para uma melhor percec¸˜ao, ´e feito um paralelismo com os objetivos e o que foi alcanc¸ado abaixo:

• Reduzir o tempo de procura por conte ´udos - Com o sistema de recomendac¸˜ao, o tempo de procura por conte´udos ´e reduzido, desta forma o utilizador disp˜oe de mais tempo para visualizar o conte´udo selecionado;

• Reduzir os n´ıveis de stress do utilizador - Para reduzir o stress do utilizador, ou pelo menos para n˜ao aumentar o stress do utilizador, ´e utilizada uma interface que permite ao utilizador aceder a todas as partes da aplicac¸˜ao de uma forma r´apida e com pouco esforc¸o. Como o sistema de recomendac¸˜ao permite ao utilizador poupar tempo, os n´ıveis de stress deste n˜ao eram aumentados durante a pesquisa de um conte´udo que satisfac¸a as suas preferˆencias. Desta forma, o utilizador n˜ao necessita de navegar no enorme volume de dados que pode ser a base de dados de conte´udos;

• Aumentar os n´ıveis de satisfac¸˜ao do utilizador - Com tudo o que foi apresentado nos pontos anteriores, ´e poss´ıvel melhorar os n´ıveis de satisfac¸˜ao do utilizador, uma vez que o sistema de recomendac¸˜ao tenta satisfazer as suas preferˆencias;

• Perceber e tentar melhorar os atuais sistemas de recomendac¸˜ao de conte ´udos - Com a an´alise das t´ecnicas estudadas, foi poss´ıvel perceber como a maioria dos sistemas de recomendac¸˜ao funciona. N˜ao foi poss´ıvel distinguir se as t´ecnicas utilizadas no ZenTV produzem melhores resultados que as t´ecnicas utilizadas em outros sistemas de recomen- dac¸˜ao;

• Tentar apontar os an ´uncios publicit´arios ao seu p ´ublico alvo - As regras de associac¸˜ao, bem como a divis˜ao dos utilizadores em clusters, permite analisar o p´ublico alvo de um

determinado produto, permitindo orientar a publicidade aos potenciais compradores dum determinado produto;

• Descobrir perfis de utilizador - Com a an´alise do espac¸o de utilizadores, ´e poss´ıvel de- senvolver um conjunto de utilizadores que partilham caracter´ısticas semelhantes, o que posteriormente permite sugerir conte´udos multim´edia a utilizadores com base num con- junto de perfis semelhantes.