Alves, Ana Cristina da Costa OliveiraJiménez Enríquez, Karla Giovanna2026-02-252026-02-252025-04-03http://hdl.handle.net/10400.26/61873O aumento do volume de dados e o uso de serviços de localização tornaram os sistemas de recomendação de Pontos de Interesse (POIs) uma ferramenta essencial em áreas como turismo e navegação urbana. As principais funções dos Sistemas de Recomendação são a análise das diversas ações do utilizador do sistema. Com essa análise é possível extrair informações úteis para futuras predições, fornecendo recomendações de diferentes itens (por exemplo, sugestões de músicas, filmes, comércio eletrónico, etc). Existem diferentes variantes nos sistemas de recomendação, nomeadamente, sistemas de filtragem colaborativa de classificações (ratings), filtragem baseada em conteúdo dos itens (descrição, características, localização) ou de filtragem híbrida (que combinam as duas variantes anteriores), tendo todas por objetivo a seleção de conteúdos de interesse tendo em conta os padrões de consumo dos utilizadores. Este estudo propõe um sistema de recomendação híbrido que integra filtragem colaborativa e filtragem por conteúdo, aproveitando informações textuais dos POIs, como descrições, nome e categorias, obtidas de uma rede social baseada em comunicação. Com foco em Portugal como caso de estudo, foram desenvolvidos métodos para transformar e integrar variáveis textuais, utilizando técnicas de Processamento de Linguagem Natural (PLN) e aprendizado computacional. A implementação do sistema baseou-se na biblioteca LightFM, ampliando sua aplicação com métricas como precisão, recall e AUC para avaliar o desempenho. A metodologia envolveu desde a recolha de dados, filtragem e transformação até a avaliação detalhada do modelo. O sistema demonstrou ser eficaz em fornecer recomendações mais personalizadas e relevantes, validando a importância de integrar dados textuais em sistemas de recomendação de Pontos de Interesse (POIs). As limitações, como a dependência de dados de uma rede social baseada em comunicação e o foco em Portugal, abrem caminho para estudos futuros que explorem sua aplicação em diferentes contextos geográficos e linguísticos.porRecomendação de Pontos de Interesse (POI)Filtragem ColaborativaFiltragem por ConteúdoSistemas de Recomendação HíbridosProcessamento de Linguagem Natural (PLN)Aprendizagem computacionalInformação textualmaster thesis204218322