Arthur Fortes

PhD Candidate

Researcher

Backend-developer

About Me

Thinker, Researcher, Developer

I am Web Developer and Phd Candidate @ USP

PhD candidate at the Institute of Mathematical and Computational Sciences, University of São Paulo. Graduated in Computer Science from the Faculty CEUT and master's degree in Computer Science from the University of São Paulo (2015). I am also member of Grupy of São Carlos.

I have experience in computer science, with an emphasis on Web Multimedia Systems, acting on the following topics: web development, customization and adaptation of content, recommender systems, user notes, obtaining user interests, machine learning and data clustering.

Last Works

Skills and Services

Responsive Design

Consulting

Solutions for Web Development and Recommender Systems

Copywriter

Recommender Systems

Founder and Developer of Case Recommender Framework

E-Commerce

Researcher

Phd Student in Recommender Systems and Data Mining

Management

Web Developer

Web Developer with Experience in Python and Django since 2010

Resume

8 Years of Experience

Education

2015 - Current

Phd Candidate

University of São Paulo

Recommendation Based on Multiple Interactions Using Data Mining Approaches

2013 - 2015

Master's degree in Computer Science and Computational Mathematics

University of São Paulo

Recommender System Based on Multimodal Interactions

2009 - 2012

Bachelor's degree in Computer Science

Centro de Ensino Unificado de Teresina (CEUT)

Evaluating the Connectivity of TVDI with Mobile Devices through a New Interaction Method

Experience

Dec 2012 - Current

WEB Developer and Researcher

Freelancer

IA, Python, Django, WordPress, Mysql, etc

Mar 2017 - Jul 2017

Substitute Professor

São Paulo State University (UNESP)

Class: Introduction to Computer Science I

Ouc 2012 - Mar 2013

Web Developer

Mundi Tecnologia

Knowledge: Django, Python, HTML, CSS, JS and Mysql

Coding Skills

Python

R

Wordpress

HTML, CSS and JS

Areas of Interest

Recommender Systems

Data Science

Web Developer

Curriculum Vitae

Publications & Researches

7 Years of Experience

Publications

Journal

1. 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.

2. 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.

3. 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.

Conference Papers

1. FRESSATO, EDUARDO P.; COSTA, ARTHUR FORTES DA; MANZATO, MARCELO GARCIA. Similarity-based Matrix Factorization for Item Cold-Start in Recommender Systems. In: 2018 Brazilian Conference on Intelligent Systems (BRACIS), 2018, Sao Paulo. IEEE. 2018.

2. 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.

3. 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.

4.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.

5. 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.

6.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.

7. 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.

8. 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.

9. 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.

10. 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.

11. 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.

Projects

Semantic Organization of Collaborative User Notes Applied to Recommender Systems

2017 - Current. University of São Paulo (USP)

Description: 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. (In English Soon...)

Recommendation Based on Multiple Interactions Using Data Clustering Approaches

2015 - Current. University of São Paulo (USP)

Description: Providing products, information and services from user profiles has made the recommendation systems to be increasingly present, increasing the ease of selection and retention of users in Web services. However, there are optimizations to be made in these systems mainly with respect to modeling the user profile. Generally, the preferences are modeled superficially, due to the scarcity of information collected, as notes or comments, or because of inductive information that is susceptible to errors. This project proposes the improvement and development of recommendation techniques based on multimodal interactions, using data clustering and machine learning approaches, able to combine user information. From these techniques we intend to provide recommender systems with subsidies for improvement in the quality of the predictions in various areas.

Exploring Collaborative Tags on Hybrid Recommender Systems

2014 - 2016. University of São Paulo (USP)

Description: 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 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. (In English Soon...)

Recommender Systems based on Multimodal Interactions

2013 - 2015. University of São Paulo (USP)

Description: Providing products, information and services from user profiles has made the recommendation systems to be increasingly present, increasing the ease of selection and retention of users in Web services. However, there are optimizations to be made in these systems mainly with respect to modeling the user profile. Generally, the preferences are modeled superficially, due to the scarcity of information collected, as notes or comments, or because of inductive information that is susceptible to errors. This work proposes a recommendation tool based on multimodal interactions that combines users' interactions, wich are processed individually by traditional recommendation algorithms. In this tool developed four combination of techniques in order to provide recommendation systems subsidies to improve the quality of predictions.

Portfolio

My Works

Publications and Researches

My Diary

Contact

Get in Touch

Get in Touch

Feel free to get in touch, I'm always happy to discuss and advise on my researches, your project or seek technical advice. Please leave me a message and I'll try to answer you shortly.

São Carlos, SP, Brazil
Freelance Available