An emotion-based approach to developing a video recommender system

Otkrivanje novih stavki, knjiga, filmova, glazbe itd. danas je lakše nego ikada prije, tome doprinose sustavi za preporučivanje sadržaja. Sustavi za preporučivanje sadržaja olakšavaju korisnikovo iskustvo na društvenim mrežama i ostalim web platformama, dajući prilagođene preporuke za novi sadržaj. Osiguravanje preporuka koje su precizne i prilagođene korisniku je izazov koji se nastavlja. U ovom radu, tom se problemu pristupa sa emocionalnog stajališta. Proučavaju se korisnikove povratne informacije (komentari) u svrhu dobivanja informacija o emocionalnom stavu korisnika u vezi s promatranim predmetom. Klasifikacija teksta koristi se za klasificiranje komentara na temelju izraženih emocija u njima. Ideje “Collaborative filtering” pristupa sustavima za preporučivanje se usvajaju i korisnici se povezuju na temelju sličnosti emocija izraženih prema nekom predmetu.Discovering new items, books, movies, music, etc is easier today than ever before and Recommender systems contribute to making this possible. Recommender systems make the online experience much more enjoyable for the user, by providing custom recommendations. Making these recommendations as precise and accustomed to the user is an ongoing challenge. In this thesis, the problem is approached from the emotional aspect. User’s feedback (comments) is observed to gain information on the user’s emotional stance regarding the item. Text classification is used to classify the comments based on the expressed emotion. Collaborative filtering ideas are adopted, and users are matched based on the similarity of emotion expressed on the same item