Durante toda a história, as pessoas sempre recorreram a recomendações com o objetivo de facilitar ou minimizar o risco de uma tomada de decisão.

A importância da recomendação cresceu com o surgimento da sociedade de informação, na qual a informação ganhou grande importância tornando-se o fator de poder e de mudança social. Essa importância se deveu ao desenvolvimento e o barateamento das tecnologias de informacão e de comunicação (TIC).

Sistemas de Recomendação (SR) são uma realidade. Em decorrência da grande quantidade e variedade de itens torna-se inviável um usuário avaliar cada um a fim de decidir o que irá consumir. Além disso, essa sobrecarga de informação, paradoxalmente, torna-se um problema e não uma solução, pois quanto mais opções são dadas ao usuário, maior é sua expectativa sobre a sua escolha, dificultando assim sua tomada de decis˜ao quanto a escolha. Esse problema é conhecido como paradoxo da escolha (SCHWARTZ, 2005).

Nesse cenário, surgem os sistemas de recomendação, que são um conjunto de ferramentas e técnicas computacionais, criadas com o fim de selecionar itens personalizados para um usuário (SARWAR et al., 2002), que podem ser referentes a: música, filmes, notícias, anúncios, produtos em uma loja virtual, serviços e outros.

Diversas empresas como Google, Netflix e Amazon vêm utilizando intensivamente essas técnicas com o objetivo de obter vantagens comerciais.

• texto explicativo retirado de (do Carmo, 2018)

Trabalhos realizados no tema

• Considerando o Ruído no Aprendizado de Modelos Preditivos Robustos para a Filtragem Colaborativa
• Aplicação de Rede Neural Sem Peso e Locality-Sensitive Hashing para o Problema de Cold-Start Item em Filtragem Colaborativa
• When Autoencoders Meet Recommender Systems: Cofils Approach
• Active Learning: An Unbiased Approach