Personalização para televisão digital utilizando a estratégia de sistema de recomendação para ambientes multiusuário

O sistema de Televisão Digital (TVD) proporciona aumento da oferta de conteúdo, ganhos em qualidade de vídeo e áudio e possibilidades de serviços e aplicações em relação ao sistema tradicional. Dentre as possibilidades de aplicações para esta tecnologia, destacam-se os sistemas capazes de realizar recomendações de conteúdos conforme o interesse dos telespectadores, denominados sistemas de recomendação. Estes oferecem um serviço diferenciado de personalização, além de ser uma possível solução para a sobrecarga de informação causada pela grande oferta de conteúdo, a qual dificulta a busca e localização de programas de interesse do telespectador. A personalização de conteúdo deve considerar o ambiente multiusuário, ou seja, a presença de diversos telespectadores que utilizam o mesmo receptor. Assim, este trabalho apresenta um sistema de recomendação para ambientes multiusuário, o RePTVD (Recomendação Personalizada para Televisão Digital) que recomenda conteúdo de acordo com os padrões de comportamento de uso da televisão e possui arquitetura residente no Set-top Box. Para isso, foi utilizada a coleta implícita e armazenamento de informações, em seguida a mineração de dados com adoção do algoritmo Apriori e finalmente a filtragem de informação. A associação destas técnicas resultou no processo de recomendação apresentado, o qual aborda todos os passos necessários para efetuar a recomendação de conteúdo. A implementação da proposta foi realizada como prova de conceito e para isso, foi utilizada a API Java TV por ser uma linguagem específica para TVD e evidenciar a portabilidade do sistema. Além disso, foram observadas características do padrão brasileiro que tem o Ginga como middleware, o qual é responsável pela execução de aplicações. A avaliação foi feita por um experimento, no qual foram utilizados dados fornecidos pelo IBOPE referentes ao comportamento de visualização de seis domicílios coletados durante quatorze dias. Os resultados obtidos indicaram a eficácia e qualidade da implementação do sistema RePTVD.The Digital Television system (TVD) increases the content offer, the audio and video quality and the possibility of services and applications when compared to traditional systems. Among the possibilities of application for this technology, we can highlight the systems able to perform recommendations of content according to the viewers interests, theses systems are called recommendation systems. Besides offering a different personalization service, the recommendation systems can be a solution to the information overload caused by offering possible content, what makes difficult the search and localization of programs according to the viewer`s interest. Multiuser environment must be taken into account when offering the TVD viewer content personalization, that is, many viewers using the same receptor. This dissertation presents a recommendation system for multiuser environments, the RePTVD (Personalized Recommendation for Digital Television), with its architecture in the Set-top Box. The RePTVD aims at recommending content according to the behavior standards implicitly found when using the television. Therefore, information was implicitly collected and stored, data mining was performed using Apriori algorithm and finally information was filtered. A composition of theses stages was presented using a recommendation process which approaches all the necessary steps to perform the content recommendation. Due to the fact that this is a specific language to TVD and aiming the system portability, API Java TV was used to implement the proposal as a concept proof. Besides that, we could note Brazilian-standard characteristics which have Ginga as the middleware responsible for the applications performance. The evaluation was performed through a test in which data provided by IBOPE Brazilian institute was used concerning the viewing behavior from six houses collected during 14 days. The results indicated the efficiency and quality of RePTVD system implementation