Arthur Fortes da Costa

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• DE AGUIAR NETO, FERNANDO S. ; DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. ; CAMPELLO, RICARDO J.G.B. . Pre-processing approaches for collaborative filtering based on hierarchical clustering. INFORMATION SCIENCES , v. 534, p. 172-191, 2020.

• ALMEIDA, J. P. D. ; DURAO, F. A. ; DA COSTA, ARTHUR F. . Enhancing Spatial Keyword Preference Query with Linked Open Data. JOURNAL OF UNIVERSAL COMPUTER SCIENCE , v. 24, p. 1561, 2019.

• PEREIRA, M. P. ; DA COSTA FORTES, ARTHUR ; RODRIGUES, F. M. . Impulsionando Sistemas de Recomendação usando revisões de usuários com base em métodos de análise de sentimentos. Revista de Ciência e Tecnologia Fatec Lins , v. 5, p. 141-157, 2019.

• DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. ; CAMPELLO, RICARDO J.G.B. . Boosting Collaborative Filtering with an Ensemble of Co-trained Recommenders. EXPERT SYSTEMS WITH APPLICATIONS , v. 115, p. ?, 2018.

• DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. ; CAMPELLO, RICARDO J. G. B. . Ensemble Clustering Approaches Applied in Group-based Collaborative Filtering Supported by Multiple Users' Feedback. Journal of Information and Data Management - JIDM , v. 8, p. 180-196, 2017.

• MANZATO, MARCELO G. ; DOMINGUES, MARCOS A. ; FORTES, ARTHUR C. ; SUNDERMANN, CAMILA V. ; D?ADDIO, RAFAEL M. ; CONRADO, MERLEY S. ; REZENDE, SOLANGE O. ; PIMENTEL, MARIA G. C. . Mining unstructured content for recommender systems: an ensemble approach. Information Retrieval (Boston) , v. 19, p. 1-38, 2016.

• COSTA, ARTHUR F. DA ; MANZATO, MARCELO G. . Exploiting Multimodal Interactions in Recommender Systems With Ensemble Algorithms. Information Systems (Oxford) , v. 56, p. 120-132, 2015.

• COSTA, ARTHUR F. DA ; D'ADDIO, RAFAEL M. ; FRESSATO, EDUARDO P. ; MANZATO, MARCELO G. . A personalized clustering-based approach using open linked data for search space reduction in recommender systems. In: the 25th Brazillian Symposium, 2019, Rio de Janeiro. Proceedings of the 25th Brazillian Symposium on Multimedia and the Web - WebMedia '19. New York: ACM Press, 2019. p. 409.

• DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. ; CAMPELLO, RICARDO J. G. B. . CoRec: A Co-Training Approach for Recommender Systems. In: ACM Symposium on Applied Computing - SAC, 2018, Pau, France. Proceedings of the 33st Annual ACM Symposium on Applied Computing - SAC '18. New York: ACM, 2018.

• FRESSATO, E. P. ; DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. . Similarity-based Matrix Factorization for Item Cold-Start in Recommender Systems. In: Brazilian Conference on Intelligent Systems - BRACIS, 2018, São Paulo. Brazilian Conference on Intelligent Systems, 2018.

• D'ADDIO, R. M. ; FRESSATO, E. P. ; DA COSTA, ARTHUR F. ; Manzato, Marcelo G . Incorporating Semantic Item Representations to Soften the Cold Start Problem. In: WebMedia, 2018, Salvador, BA. 24th Brazilian Symposium on Multimedia and the Web. New York: ACM, 2018.

• DA COSTA, ARTHUR F. ; FRESSATO, E. P. ; AGUIAR NETO, F. S. ; CAMPELLO, RICARDO J. G. B. . Case Recommender: A Flexible and Extensible Python Framework for Recommender Systems. In: ACM RecSys, 2018, Vancouver, Canadá. ACM Recommender Systems Conference. New York, USA: ACM, 2018.

• DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. ; CAMPELLO, RICARDO J.G.B. . Group-based Collaborative Filtering Supported by Multiple Users' Feedback to Improve Personalized Ranking. In: the 22nd Brazilian Symposium, 2016, Teresina. Proceedings of the 22nd Brazilian Symposium on Multimedia and the Web - Webmedia '16. New York: ACM Press. p. 279-286.

• DA COSTA, ARTHUR F. ; Manzato, Marcelo G . Case Recommender: A Recommender Framework. In: Brazilian Symposium on Multimedia and the Web - WebMedia '16, 2016, Teresina. Workshop de Ferramentas e Aplicações - WebMedia 2016 WFA, 2016.

• DOS SANTOS, EDSON B. ; DA COSTA, ARTHUR F. ; D'ADDIO, RAFAEL M. ; MANZATO, MARCELO GARCIA ; GOULARTE, RUDINEI . Introducing the concept of ?always-welcome recommendations?. In: 2015 IEEE/ACIS 14th International Conference on Computer and Information Science (ICIS), 2015, Las Vegas. 2015 IEEE/ACIS 14th International Conference on Computer and Information Science (ICIS), 2015. p. 197.

• COSTA, ARTHUR FORTES DA ; MANZATO, MARCELO GARCIA . Multimodal Interactions in Recommender Systems: An Ensembling Approach. In: 2014 Brazilian Conference on Intelligent Systems (BRACIS), 2014, Sao Paulo. 2014 Brazilian Conference on Intelligent Systems. p. 67-72.

• COSTA, ARTHUR F. DA ; DOMINGUES, MARCOS A. ; REZENDE, SOLANGE O. ; MANZATO, MARCELO G. . Improving Personalized Ranking in Recommender Systems with Multimodal Interactions. In: 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), 2014, Warsaw. 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT). p. 198-204.

• DA COSTA FORTES, ARTHUR ; MANZATO, MARCELO GARCIA . Ensemble Learning in Recommender Systems. In: the 20th Brazilian Symposium, 2014, João Pessoa. Proceedings of the 20th Brazilian Symposium on Multimedia and the Web - WebMedia '14. p. 47-54.

• DA COSTA, ARTHUR F. ; VIANA, N. S. . Novas Interfaces para TVDI: Avaliando a conectividade com dispositivos Móveis. In: Encontro Regional de Computação do Piauí - ERECOMPI, 2012, Teresina. Encontro Regional de Computação do Piauí 2012, 2012.

• DA COSTA, ARTHUR F. ; VIANA, N. S. . Conectando TV e Dispositivos Móveis: Proposta de Avaliação de Interface para Entrada de Dados na TVDI. In: I Concurso de Trabalhos de Iniciação Científica (CTIC) da Faculdade Piauiense, 2012, Paranaíba - Piauí. Anais da III Jornada Científica de Sistemas de Informação (JORNACSI). Paranaíba, 2012. v. 1. p. 50-62.

• DA COSTA, ARTHUR F. ; MARTINS, RAFAEL D. ; MANZATO, MARCELO G. ; CAMPELLO, RICARDO J. G. B. . Exploiting different users' interactions for profiles enrichment in recommender systems. In: the 31st Annual ACM Symposium, 2016, Pisa. Proceedings of the 31st Annual ACM Symposium on Applied Computing - SAC '16. New York: ACM Press. p. 1080-1082.

• AGUIAR NETO, F. S. ; DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. . CoBaR: Confidence-Based Recommender. In: ACM RecSys, 2018, Vancouver, Canadá. ACM Recommender Systems Conference. New York, USA: ACM, 2018.

• DA COSTA, ARTHUR F. ; VIANA, N. S. . Agilizando a entrada de texto em aplicações de redes sociais por meio da interação TVDI-Mobile. In: Simpósio Piauiense de Informática - IINFOPI, 2012, Teresina. Simpósio Piauiense de Informática - IINFOPI 2012, 2012.

• DA COSTA, ARTHUR F. . Os desafios na detecção de deepfake com inteligência artificial. 2021. (Apresentação de Trabalho/Outra).

• DA COSTA, ARTHUR F. . Explorando características faciais para inferir informações demográficas utilizando Python, Deep Learning e OpenCV. 2021. (Apresentação de Trabalho/Congresso).

• DA COSTA, ARTHUR F. . Como encontrar o Wally utilizando Deep Learning e Python. 2020. (Apresentação de Trabalho/Congresso).

• DA COSTA, ARTHUR F. . Transcrição automática de áudio em texto com Deep Learning. 2019. (Apresentação de Trabalho/Conferência ou palestra).

• DA COSTA, ARTHUR F. . Aprendizado Profundo Híbrido em Python para Análise de Sentimentos e Reconhecimento de Contexto. 2019. (Apresentação de Trabalho/Conferência ou palestra).

• DA COSTA, ARTHUR F. ; D'ADDIO, RAFAEL M. ; FRESSATO, E. P. ; MANZATO, MARCELO G. . A personalized clustering-based approach using open linked data for search space reduction in recommender systems. 2019. (Apresentação de Trabalho/Simpósio).

• DA COSTA, ARTHUR F. . Personalização de conteúdo: Utilizando sistemas de recomendação baseado no comportamento de usuários. 2018. (Apresentação de Trabalho/Simpósio).

• DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. ; CAMPELLO, RICARDO J. G. B. . CoRec: A Co-Training Approach for Recommender Systems. 2018. (Apresentação de Trabalho/Congresso).

• DA COSTA, ARTHUR F. . A Guide to Understand and Build a Recommender System Engine. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. ; CAMPELLO, RICARDO J. G. B. . Recomendação Baseada em Múltiplas Interações Utilizando Abordagens de Agrupamento de Dados. 2017. (Apresentação de Trabalho/Outra).

• DA COSTA, ARTHUR F. . Sistemas de Recomendação Aplicados a WEB: Como converter visitantes em compradores 2.0. 2017. (Apresentação de Trabalho/Conferência ou palestra).

• DA COSTA, ARTHUR F. . Data Mining Approaches applied on Recommender Systems. 2017. (Apresentação de Trabalho/Simpósio).

• DA COSTA, ARTHUR F. ; D'ADDIO, RAFAEL M. ; MANZATO, MARCELO G. ; CAMPELLO, R. J. G. B. . Exploiting different users' interactions for profiles enrichment in recommender systems. 2016. (Apresentação de Trabalho/Simpósio).

• DA COSTA, ARTHUR F. ; Manzato, Marcelo G ; CAMPELLO, RICARDO J. G. B. . Group-based Collaborative Filtering Supported by Multiple Users' Feedback to Improve Personalized Ranking. 2016. (Apresentação de Trabalho/Simpósio).

• DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. . Case Recommender: A Recommender Framework. 2016. (Apresentação de Trabalho/Simpósio).

• DA COSTA, ARTHUR F. ; Manzato, Marcelo G . Recomendação de conteúdo baseada em interações multimodais. 2014. (Apresentação de Trabalho/Outra).

• DA COSTA, ARTHUR F. ; Manzato, Marcelo G . Multimodal Interactions in Recommender Systems: An Ensembling Approach. 2014. (Apresentação de Trabalho/Congresso).

• DA COSTA, ARTHUR F. ; D'ADDIO, R. M. . Sistemas de Recomendação Aplicados a WEB: Como converter visitantes em compradores. 2014. (Apresentação de Trabalho/Conferência ou palestra).

• DA COSTA, ARTHUR F. ; Manzato, Marcelo G . Ensemble Learning in Recommender Systems: Combining Multiple User Interactions for Ranking Personalization. 2014. (Apresentação de Trabalho/Simpósio).

• DA COSTA, ARTHUR F. ; VIANA, N. S. . Conectando TV e Dispositivos Móveis: Proposta de Avaliação de Interface para Entrada de Dados na TVDI. 2012. (Apresentação de Trabalho/Outra).

• DA COSTA, ARTHUR F. ; VIANA, N. S. . Novas Interfaces para TVDI: Avaliando a conectividade com dispositivos Móveis. 2012. (Apresentação de Trabalho/Outra).

• DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. ; CAMPELLO, RICARDO J. G. B. . Enhancing recommender systems by enrichment with pre-processing approaches supported by users' feedback. Universidade de São Paulo, 2019 (Tese).

• DA COSTA, ARTHUR F. ; MANZATO, MARCELO G. . Sistema de Recomendação Baseado em Interações Multimodais 2015 (Dissertação).

Outras produções

Projetos de pesquisa

• 2017 - 2019

  Organização Semântica de Anotações Colaborativas de Usuários Aplicada em Sistemas de Recomendação, Descrição: Sistemas de recomendação surgiram com o objetivo de selecionar e apresentar conteúdo de acordo com as preferências dos usuários, reduzindo, assim, o problema da sobrecarga de informação. Dentre as técnicas disponíveis, as mais conhecidas são a filtragem colaborativa e a baseada em conteúdo. Adicionalmente, há atualmente uma tendência em utilizar informações fornecidas colaborativamente pelos usuários, como etiquetas, revisões, comentários e interações, a fim de reduzir problemas comuns em recomendação, como a sobre-especialização, partida fira e análise limitada de conteúdo. Entretanto, essas anotações podem conter ruído, ironia e ambiguidade, além de estarem em uma forma não padronizada e desestruturada. Além disso, falta uma organização semântica nos dados de modo que seja possível inferir automaticamente o significado dos conceitos relacionados. Deste modo, este projeto tem como objetivo investigar métodos de como utilizar anotações produzidas colaborativamente pelos usuários para descrever de maneira semântica as entidades envolvidas em sistemas de recomendação. A fim de reduzir problemas inerentes à utilização de dados não-estruturados, pretende-se desenvolver um método que aplica diferentes técnicas de extração de características, análise de sentimento e aprendizado de máquina para se obter uma versão rica e padronizada semanticamente sobre os itens e sobre as preferências dos usuários.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (5) Doutorado: (2) . , Integrantes: Arthur Fortes da Costa - Integrante / Rafael Martins D'Addio - Integrante / MANZATO, MARCELO G. - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2014 - 2016

  Explorando Anotações Colaborativas em Sistemas de Recomendação Híbridos, Descrição: Serviços de recomendação são uma importante ferramenta para lidar com a sobrecarga de informações. Entretanto, um problema comum existente é o conhecimento de informações significativas sobre o conteúdo e sobre as preferências do usuário. A dificuldade de se obter essas informações é chamada de lacuna semântica, e os problemas relacionados têm sido estudados por pesquisadores ao longo dos anos. Por outro lado, com o advento da Web 2.0 e a possibilidade de usuários atuarem como produtores de conteúdo e incrementarem os dados com anotações, novas possibilidades de pesquisa foram criadas para reduzir os efeitos da lacuna semântica. Este plano de pesquisa tem como objetivo investigar alguns dos desafios relacionados com a utilização de anotações colaborativas para melhorar serviços de recomendação. Para isso, propõe-se o desenvolvimento de um modelo unificado de recomendação capaz de analisar as informações produzidas pela interação dos usuários com o sistema, a fim de se obter automaticamente metadados mais ricos sobre o o conteúdo, e também sobre os interesses pessoais dos indivíduos. Como resultados esperados do projeto, destaca-se a integração eficiente de técnicas provenientes de diferentes áreas, como a recuperação de informação, aprendizado de máquina e processamento de linguagem natural, no contexto de sistemas de recomendação.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (3) . , Integrantes: Arthur Fortes da Costa - Integrante / Marcelo G. Manzato - Coordenador / Rafael Martins D'Addio - Integrante / Salmo Marques Junior - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

Prêmios