Dias, RicardoFonseca, Manuel J.Magalhães, Luís and Santos, Beatriz2020-12-112020-12-112020978-3-03868-131-1https://doi.org/10.2312/pt.20131351https://diglib.eg.org:443/handle/10.2312/pt20131351Diversos estudos realizados nos últimos anos revelaram que os hábitos de audição de música seguem determinados padrões ao longo do tempo, tais como a preferência por ouvir determinados artistas ou géneros musicais em certos períodos do dia e em determinados dias da semana. Porém, apenas recentemente têm surgido algoritmos de recomendação que tiram partido deste conhecimento para melhorar as recomendações. Uma das abordagens mais estudada e utilizada em produtos comercias é a de Filtros Colaborativos, que se foca nas músicas ouvidas por utilizadores com gostos semelhantes, mas que deixa de fora o contexto temporal em que estas foram ouvidas. Neste trabalho, apresentamos uma análise da utilização de informação temporal em técnicas de filtros colaborativos baseadas em sessões. De forma a medir a importância do contexto temporal na recomendação, comparámos dois algoritmos: um algoritmo base, sem recurso a informação temporal; e um algoritmo que tira partido de características temporais das sessões. Estas características são usadas pelo algoritmo para inferir similaridade entre as sessões. Para avaliar os dois algoritmos em termos de precisão e ordenação das recomendações, medimos o HitRatio e Mean Reciprocal Rank. Os resultados evidenciam que a inclusão de características temporais neste tipo de algoritmos é benéfica para melhorar a precisão, mas não a ordenação das listas de recomendações geradas.AlgoritmoRecomendaçãoHábitos de AudiçãoFiltros ColaborativosContexto Temporal10.2312/pt.20131351164-167