Departamento de Ciências de Computação

Marcelo Garcia Manzato

possui graduação em Ciências da Computação pela Universidade Estadual de Londrina (2003), mestrado em Ciências da Computação pela Universidade de São Paulo (2006) e doutorado em Ciências da Computação pela Universidade de São Paulo (2011). Tem experiência na área de Ciência da Computação, com ênfase em Sistemas de Recomendação e Recuperação de Informação, atuando principalmente nos seguintes temas: mineração e indexação textual, análise de anotações de usuários, aprendizado de máquina e obtenção de interesses de usuários. Atualmente atua como professor e pesquisador no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP).

http://lattes.cnpq.br/8598262641668520 (25082022)

Rótulo/Grupo:

Bolsa CNPq:

Período de análise:

Endereço: Universidade de São Paulo. Departamento de Ciências da Computação. Instituto de Ciências Matemáticas e de Computação. Av. Trabalhador Sancarlense, 400 - Laboratório Intermídia - Sala 6-308 CEP 13560970 - São Carlos, SP - Brasil

Grande área: [sem-grandeArea]

Área: [sem-area]

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (18)
1. Manzato, Marcelo G.; Macedo, Alessandra A.; Goularte, Rudinei. Evaluation of video news classification techniques for automatic content personalisation. International Journal of Advanced Media and Communication. v. 3, p. 383-403, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. MANZATO, M. G.; GOULARTE, R.. Peersommender: A peer-level annotation based approach for multimedia recommendation. Journal of Information and Data Management - JIDM. v. 1, p. 277-292, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. BELTRAO, R. D.; CABRAL, B.; DURÃO, F.; MANZATO, M. G.. Personalized Ranking of Movies: Evaluating Different Metadata Types and Recommendation Strategies. Revista de Sistemas e Computação - RSC. v. 4, p. 1-, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. SANTOS JUNIOR, E. B.; MANZATO, M. G.; GOULARTE, R.. Evaluating the Impact of Demographic Data on a Hybrid Recommender Model. IADIS International Journal on WWWInternet. v. 12, p. 149-167, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. MANZATO, MARCELO GARCIA; SANTOS JUNIOR, E. B.; GOULARTE, R.. Leveraging Hybrid Recommenders with Multifaceted Implicit Feedback. Journal of Universal Computer Science (Online). v. 21, p. 223-247, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. COSTA, A. F.; Manzato, Marcelo G.. Exploiting Multimodal Interactions in Recommender Systems With Ensemble Algorithms. Information Systems (Oxford). v. 56, p. 120-132, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. MANZATO, M. G.; DOMINGUES, MARCOS A.; COSTA, A. F.; SUNDERMANN, CAMILA VACCARI; DADDIO, R. M.; CONRADO, M.; REZENDE, SOLANGE O.; PIMENTEL, M.G.P. Mining unstructured content for recommender systems: an ensemble approach. Information Retrieval (Boston). p. 1-38, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. D?ADDIO, RAFAEL M.; DOMINGUES, MARCOS A.; Manzato, Marcelo G.. Exploiting feature extraction techniques on users? reviews for movies recommendation. JOURNAL OF THE BRAZILIAN COMPUTER SOCIETY (ONLINE). v. 23, p. 7-, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. COSTA, A. F.; MANZATO, MARCELO GARCIA; 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.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. 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. 427-441, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
11. D'ADDIO, RAFAEL M.; MARINHO, R. S.; MANZATO, M. G.. Combining different metadata views for better recommendation accuracy. INFORMATION SYSTEMS. v. 83, p. 1-12, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
12. DE AGUIAR NETO, FERNANDO S.; DA COSTA, ARTHUR F.; Manzato, Marcelo G.; G. B. CAMPELLO, RICARDO J.. Pre-Processing Approaches for Collaborative Filtering Based on Hierarchical Clustering. INFORMATION SCIENCES. v. 534, p. 172-191, 2020.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
13. FERRAZ, C. T.; BARCELOS, W.; PEREIRA JUNIOR, O.; BORGES, T. T. N.; MANZATO, M. G.; GONZAGA, A.; SAITO, J. H.. A comparison among keyframe extraction techniques for CNN classification based on video periocular images. MULTIMEDIA TOOLS AND APPLICATIONS. p. 12843-12856, 2021.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
14. DA SILVA, DIEGO CORRÊA; MANZATO, MARCELO GARCIA; DURÃO, FREDERICO ARAÚJO. Exploiting Personalized Calibration and Metrics for Fairness Recommendation. EXPERT SYSTEMS WITH APPLICATIONS. v. 181, p. 115112-, 2021.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
15. ZANON, A. L.; SOUZA, L. S.; PRESSATO, D.; MANZATO, M. G.. A user study with aspect based sentiment analysis for similarity of items in content based recommendations. EXPERT SYSTEMS. v. 1, p. 1-, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
16. RANA, ARPIT; D?ADDIO, RAFAEL M.; Manzato, Marcelo G.; BRIDGE, DEREK. Extended recommendation-by-explanation. User Modeling and User-Adapted Interaction (Online). v. 31, p. 1-, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
17. ZANON, A. L.; ROCHA, L. C. D.; MANZATO, M. G.. Balancing the trade-off between accuracy and diversity in recommender systems with personalized explanations based on Linked Open Data. KNOWLEDGE-BASED SYSTEMS. v. 1, p. 109333-, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
18. Manzato, Marcelo G.; Goularte, Rudinei; Coimbra, Danilo B.. An enhanced content selection mechanism for personalization of video news programmes. Multimedia Systems (Online). v. 17, p. 19-34, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Livros publicados/organizados ou edições (0)
Capítulos de livros publicados (0)
Textos em jornais de notícias/revistas (0)
Trabalhos completos publicados em anais de congressos (39)
1. EISINGER, R.; MANZATO, M. G.; GOULARTE, R.. Device Descriptions for Content-Based Adaptation. Em: Latin American Web Congress (LA-WEB), p. 121-129, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. MANZATO, M. G.; GOULARTE, R.. Live Video Adaptation: A Context-Aware Approach. Em: XI Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia), p. 1-8, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. MANZATO, M. G.; CAMARGO-BRUNETTO, M. A. O.. Apresentação de Programas Numéricos via Web: Incluindo uma Biblioteca de Problemas-Exemplo Usando MySQL. Em: XII Encontro Anual de Iniciação Científica, p. -, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. MANZATO, M. G.; GOULARTE, R.. Video News Classification for Automatic Content Personalization: A Genetic Algorithm Based Approach. Em: XIV Simpósio Brasileiro de Sistemas Multimídia e Web, p. 36-43, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. MANZATO, M. G.; GOULARTE, R.. Shot boundary detection based on intelligent systems. Em: XIII Simpósio Brasileiro de Sistemas Multimídia e Web, 2008, Vila Velha. Anais do XIV Simpósio Brasileiro de Sistemas Multimídia e Web, p. 190-197, 2007.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. MANZATO, M. G.; COIMBRA, D. B.; GOULARTE, R.. Multimedia content personalization based on peer-level annotation. Em: European Interactive TV Conference, p. -, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. MANZATO, M. G.; GOULARTE, R.. Supporting multimedia recommender systems with peer-level annotations. Em: XV Simpósio Brasileiro de Sistemas Multimídia e Web - WebMedia 2009, p. 202-209, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. MANZATO, M. G.; GOULARTE, R.. A multimedia recommender system based on enriched user profiles. Em: 27th Symposium On Applied Computing, p. 975-980, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. MANZATO, M. G.; GOULARTE, R.. Automatic annotation of tagged content using predefined semantic concepts. Em: 18th Brazilian Symposium on Multimedia and the Web, p. 1-8, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. CARVALHO, J.; MANZATO, M. G.; GOULARTE, R.. Accelerometers data interoperability: easing interactive applications development. Em: Simpósio Brasileiro de Sistemas Multimídia e Web, p. 20-28, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
11. MANZATO, M. G.. The participation of IntermidiaLab at the ImageCLEF 2012 Photo Annotation Task. Em: CLEF 2012 Conference and Labs of the Evaluation Forum, p. -, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
12. MANZATO, M. G.. gSVD++: supporting implicit feedback on recommender systems with metadata awareness. Em: 28th Symposium On Applied Computing, p. 908-913, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
13. SANTOS JUNIOR, E. B.; Manzato, Marcelo G.; Goularte, Rudinei. Hybrid recommenders: incorporating metadata awareness into latent factor models. Em: 19th Brazilian Symposium on Multimedia and the Web, p. 317-324, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
14. SANTOS JUNIOR, E. B.; Goularte, Rudinei; Manzato, Marcelo G.. Personalized Collaborative Filtering: A Neighborhood Model Based on Contextual Constraints. Em: 29th Symposium on Applied Computing, p. 919-924, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
15. SANTOS, EDSON B.; Manzato, Marcelo G.; Goularte, Rudinei. A conceptual architecture with trust consensus to enhance group recommendations. Em: 2014 IEEE/ACIS 13th International Conference on Computer and Information Science (ICIS), p. 137-142, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
16. SANTOS JUNIOR, E. B.; Goularte, Rudinei; Manzato, Marcelo G.. The Impact of Demographic Data on a Latent Factor Model. Em: 13rd International Conference on WWW/Internet, p. -, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
17. COSTA, ARTHUR F. DA; DOMINGUES, MARCOS A.; REZENDE, SOLANGE O.; Manzato, Marcelo G.. Improving Personalized Ranking in Recommender Systems with Multimodal Interactions. Em: 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), p. 198-204, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
18. DOMINGUES, M. A.; Manzato, Marcelo G.; MARCACINI, R. M.; SUNDERMANN, C. V.; REZENDE, S. O.. Using Contextual Information from Topic Hierarchies to Improve Context-Aware Recommender Systems. Em: 22nd International Conference on Pattern Recognition (ICPR 2014), p. 3606-3611, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
19. Manzato, Marcelo G.; DOMINGUES, MARCOS A.; REZENDE, SOLANGE O.. Optimizing Personalized Ranking in Recommender Systems with Metadata Awareness. Em: 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), p. 191-197, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
20. DOMINGUES, MARCOS AURELIO; SUNDERMANN, CAMILA VACCARI; MANZATO, MARCELO GARCIA; MARCACINI, RICARDO MARCONDES; REZENDE, SOLANGE OLIVEIRA. Exploiting Text Mining Techniques for Contextual Recommendations. Em: 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), p. 210-217, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
21. BELTRAO, R. D.; CABRAL, B.; DURÃO, F.; MANZATO, M. G.. Evaluating the Combination of Multiple Metadata Types in Movies Recommendation. Em: Joint Conference on Robotics and Intelligent Systems 2014, p. 55-60, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
22. DADDIO, R. M.; MANZATO, M. G.. A Collaborative Filtering Approach based on User?s Reviews. Em: Joint Conference on Robotics and Intelligent Systems 2014, p. 204-209, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
23. COSTA, A. F.; MANZATO, M. G.. Multimodal Interactions in Recommender Systems: An Ensembling Approach. Em: Joint Conference on Robotics and Intelligent Systems 2014, p. -, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
24. COSTA, A. F.; Manzato, Marcelo G.. Ensemble Learning in Recommender Systems: Combining Multiple User Interactions for Ranking Personalization. Em: 20th Brazilian Symposium on Multimedia and the Web, p. 47-54, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
25. SOUZA CABRAL, BRUNO; DOMPIERI BELTRAO, RENATO; GARCIA MANZATO, MARCELO; ARAÚJO DURÃO, FREDERICO. Combining Multiple Metadata Types in Movies Recommendation Using Ensemble Algorithms. Em: the 20th Brazilian Symposium, p. 231-238, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
26. MANZATO, M. G.; DOMINGUES, MARCOS A.; MARCACINI, RICARDO MARCONDES; REZENDE, SOLANGE O.. Improving Personalized Ranking in Recommender Systems with Topic Hierarchies and Implicit Feedback. Em: 22nd International Conference on Pattern Recognition (ICPR 2014), p. 3696-3701, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
27. DADDIO, R. M.; MANZATO, M. G.. A Sentiment-Based Item Description Approach for kNN Collaborative Filtering. Em: 30th ACM/SIGAPP Symposium On Applied Computing, p. -, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
28. DOS SANTOS, EDSON B.; DA COSTA, ARTHUR F.; D'ADDIO, RAFAEL M.; MANZATO, MARCELO GARCIA; Goularte, Rudinei. Introducing the concept of ?always-welcome recommendations?. Em: 2015 IEEE/ACIS 14th International Conference on Computer and Information Science (ICIS), p. 197-202, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
29. TOLEDO FERRAZ, C.; GONZAGA, A.; GARCIA MANZATO, M.. Complex indoor scene classification based on a new feature descriptor. Em: International Conference on Pattern Recognition Systems (ICPRS16), p. 3 (6 .)-6, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
30. 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. Em: the 22nd Brazilian Symposium, p. 279-286, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
31. D'ADDIO, RAFAEL M.; Manzato, Marcelo G.. Exploiting Item Representations for Soft Clustering Recommendation. Em: the 22nd Brazilian Symposium, p. 271-278, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
32. COSTA, A. F.; MANZATO, MARCELO GARCIA; CAMPELLO, RICARDO J.G.B.. CoRec: A Co-Training Approach for Recommender Systems. Em: Symposium on Applied Computing, p. -, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
33. DURAO, FREDERICO; CABRAL, BRUNO SOUZA; MANZATO, MARCELO; COSTA, ARTHUR FORTES DA. Evaluating Multiple User Interactions for Ranking Personalization Using Ensemble Methods. Em: The 30th International Conference on Software Engineering and Knowledge Engineering, p. 697-, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
34. D'ADDIO, RAFAEL M.; FRESSATO, E. P.; COSTA, ARTHUR F. DA; GARCIA MANZATO, M.. Incorporating Semantic Item Representations to Soften the Cold Start Problem. Em: Simpósio Brasileiro de Sistemas Multimídia e Web, p. 157-164, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
35. FRESSATO, E. P.; COSTA, ARTHUR F. DA; GARCIA MANZATO, M.. Similarity based matrix factorization for item cold start in recommender systems. Em: Brazilian Conference on Intelligent Systems, p. -, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
36. 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. Em: the 25th Brazillian Symposium, p. 409-416, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
37. ARAUJO, L. P. M.; OLIVEIRA, C. L. T.; RODRIGUES, K. R. H.; MANZATO, M. G.. Empirical Studies Aimed at Understanding Conversational Recommender Systems and Accessibility Aspects. Em: International Conference on Human-Computer Interaction - HCII, p. -, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
38. SOUZA, L. S.; MANZATO, M. G.. Aspect-Based Summarization: An Approach With Different Levels of Details to Explain Recommendations. Em: WebMedia '22: Brazilian Symposium on Multimedia and Web, p. 1-9, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
39. DE LIMA, ANDRE PAULINO; DANTAS, LAURENTINO AUGUSTO; MANZATO, MARCELO GARCIA; PIMENTEL, MARIA; ORLANDI, BRUNELA; CASTRO, PAULA. An Interpretable Recommendation Model for Gerontological Care. Em: RecSys '21: Fifteenth ACM Conference on Recommender Systems, p. 620-626, 2021.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Resumos expandidos publicados em anais de congressos (10)
1. MANZATO, M. G.; GOULARTE, R.. Captura e Transmissão de Vídeo em Sistemas Ubíquos. Em: XI Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia), p. 245-248, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. MANZATO, M. G.; GOULARTE, R.. Transcoding Evaluation in Live Video Adaptation. Em: Latin American Web Congress (LA-WEB), p. -, 2006.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. MANZATO, M. G.; JUNQUEIRA, D. C.; GOULARTE, R.. Interactive News Documents for Digital Television. Em: XIV Simpósio Brasileiro de Sistemas Multimídia e Web, p. 1-4, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. MANZATO, M. G.. Discovering Latent Factors from Movies Genres for Enhanced Recommendation. Em: ACM Conference on Recommender Systems, p. 249-252, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. DADDIO, R. M.; CONRADO, M.; REZENDE, S. O.; MANZATO, M. G.. Generating Recommendations Based on Robust Term Extraction from Users? Reviews. Em: 20th Brazilian Symposium on Multimedia and the Web, p. 55-58, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. DOMINGUES, MARCOS A.; SUNDERMANN, CAMILA VACCARI; BARROS, F.; MANZATO, M. G.; PIMENTEL, M.G.P; REZENDE, S. O.; OLIVEIRA, S.. Applying Multi-View Based Metadata in Personalized Ranking for Recommender Systems. Em: 30th ACM/SIGAPP Symposium On Applied Computing, p. -, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. MARQUES JUNIOR, S.; Manzato, Marcelo G.. Collaborative Filtering Based on Semantic Distance Among Items. Em: Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia), p. -, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. COSTA, A. F.; DADDIO, R. M.; MANZATO, M. G.; CAMPELLO, R. J. G. B.. Exploiting different users' interactions for profiles enrichment in recommender systems. Em: The 31st ACM/SIGAPP Symposium on Applied Computing, p. -, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. MARINHO, R. S.; DADDIO, R. M.; MANZATO, MARCELO GARCIA. Semantic organization of user?s reviews applied in recommender systems. Em: Brazilian Symposium on Multimedia and the web, p. 277-280, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. TOLEDO FERRAZ, C.; MANZATO, MARCELO GARCIA; GONZAGA, A.. Face classification using a new local texture descriptor. Em: Brazilian Symposium on Multimedia and the Web, p. 237-240, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Resumos publicados em anais de congressos (8)
1. NASCIMENTO, G. A.; MANZATO, M. G.; GOULARTE, R.. Extração de Quadros-Chave como subsídio para personalização em vídeos digitais. Em: Worksop de Iniciação Científica - XVI Simpósio Brasileiro de Sistemas Multimídia e Web, p. 105-107, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. TANAKA, T.; MANZATO, M. G.. Classificação de revisões para construção de perfis em sistemas de recomendação. Em: XVIII Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia), p. -, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. PERCEVALLI, L. T.; MANZATO, M. G.. Metadata in movies recommendation: a comparison among different approaches. Em: XIX Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia), p. -, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. DA COSTA, ARTHUR F.; MANZATO, M. G.. Case recommender: A recommender framework. Em: Brazilian Symposium on Multimedia and the Web, p. 279-286, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. COSTA, ARTHUR F. DA; FRESSATO, E. P.; AGUIAR NETO, F. S.; GARCIA MANZATO, M.; CAMPELLO, RICARDO J.G.B.. Case Recommender: a flexible and extensible python framework for recommender systems. Em: ACM Conference on Recommender Systems, p. 494-495, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. AGUIAR NETO, F. S.; COSTA, ARTHUR F. DA; GARCIA MANZATO, M.. CoBaR: Confidence-Based Recommender. Em: ACM Conference on Recommender Systems, p. -, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. DOMINGOS, G. B.; RESENDE, I. L.; TAKATA, M.; MANZATO, M. G.. Incorporando informações contextuais em Recomendações baseadas em sessão. Em: Workshop de Trabalhos de Iniciação Científica - WebMedia 2019, p. -, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. PICOLI, H. S.; OLIVEIRA, C. L. T.; ARAUJO, L. P. M.; MANZATO, M. G.; RODRIGUES, K. R. H.. Human-ChatBot Interaction: measuring the psychophysiological reactions of chatbot users. Em: WebMedia '22: Brazilian Symposium on Multimedia and Web, p. 1-4, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Artigos aceitos para publicação (0)
Apresentações de trabalho (29)
1. MANZATO, M. G.; COIMBRA, D. B.; GOULARTE, R.. Multimedia content personalization based on peer-level annotation. 2009. 7th European Interactive TV Conference. (Simposio)
2. MANZATO, M. G.; CAMARGO-BRUNETTO, M. A. O.. Apresentação de programas numéricos via Web: Incluindo uma biblioteca de problemas-exemplo usando MySQL. 2003. XII Encontro Anual de Iniciação Científica (XII EAIC). (Simposio)
3. MANZATO, M. G.; GOULARTE, R.. Captura e transmissão de vídeo em sistemas ubíquos. 2005. XI Simpósio Brasileiro de Sistemas Multimídia e Web. (Simposio)
4. MANZATO, M. G.; GOULARTE, R.. Live video adaptation: a context-aware approach. 2005. XI Simpósio Brasileiro de Sistemas Multimídia e Web. (Simposio)
5. MANZATO, M. G.; GOULARTE, R.. Shot boundary detection based on intelligent systems. 2007. XIII Simpósio Brasileiro de Sistemas Multimídia e Web. (Simposio)
6. MANZATO, M. G.; JUNQUEIRA, D. C.; GOULARTE, R.. Interactive news documents for digital television. 2008. XIV Simpósio Brasileiro de Sistemas Multimídia e Web. (Simposio)
7. MANZATO, M. G.; GOULARTE, R.. A multimedia recommender system based on enriched user profiles. 2012. 27th Symposium On Applied Computing. (Simposio)
8. MANZATO, M. G.. Sistemas de Recomendação - Princípios Básicos. 2012. Tutoriais de Computação. (Conferencia)
9. MANZATO, M. G.; Goularte, Rudinei. Automatic annotation of tagged content using predefined semantic concepts. 2012. XVIII Simpósio Brasileiro de Sistemas Multimídia e Web. (Simposio)
10. MANZATO, M. G.. Discovering Latent Factors from Movies Genres for Enhanced Recommendation. 2012. ACM Conference on Recommender Systems. (Congresso)
11. MANZATO, M. G.. gSVD++: supporting implicit feedback on recommender systems with metadata awareness. 2013. 28th Symposium On Applied Computing. (Simposio)
12. MANZATO, M. G.. Introdução aos Sistemas de Recomendação. 2013. Tutoriais de Computação. (Conferencia)
13. SANTOS JUNIOR, E. B.; MANZATO, M. G.; GOULARTE, R.. Hybrid recommenders: incorporating metadata awareness into latent factor models. 2013. XIX Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia). (Simposio)
14. PERCEVALLI, L. T.; MANZATO, M. G.. Metadata in movies recommendation: a comparison among different approaches. 2013. XIX Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia). (Simposio)
15. MANZATO, M. G.. Sistemas de Recomendação: Adivinhando interesses de usuários ao longo do tempo. 2013. Semana Nacional de Ciência e Tecnologia. (Conferencia)
16. SANTOS JUNIOR, E. B.; Goularte, Rudinei; Manzato, Marcelo G.. Personalized Collaborative Filtering: A Neighborhood Model Based on Contextual Constraints. 2014. 29th Symposium on Applied Computing. (Simposio)
17. DOMINGUES, M. A.; SUNDERMANN, C. V.; MANZATO, M. G.; MARCACINI, R. M.; REZENDE, S. O.. Exploiting Text Mining Techniques for Contextual Recommendations. 2014. The 2014 Web Intelligence Congress. (Simposio)
18. MANZATO, M. G.; DOMINGUES, A.; REZENDE, S. O.. Optimizing Personalized Ranking in Recommender Systems with Metadata Awareness. 2014. The 2014 Web Intelligence Congress. (Simposio)
19. COSTA, A. F.; DOMINGUES, M. A.; REZENDE, S. O.; MANZATO, M. G.. Improving Personalized Ranking in Recommender Systems with Multimodal Interactions. 2014. The 2014 Web Intelligence Congress. (Simposio)
20. BELTRAO, R. D.; CABRAL, B.; DURÃO, F.; Manzato, Marcelo G.. Evaluating the Combination of Multiple Metadata Types in Movies Recommendation. 2014. Joint Conference on Robotics and Intelligent Systems. (Simposio)
21. MANZATO, M. G.. Explorando anotações colaborativas em sistemas de recomendação híbridos. 2014. Palestra para alunos de graduação e pós. (Conferencia)
22. DOMINGUES, MARCOS A.; SUNDERMANN, CAMILA VACCARI; BARROS, F.; MANZATO, MARCELO GARCIA; PIMENTEL, M.G.P; REZENDE, SOLANGE O.; OLIVEIRA, S.. Applying Multi-View Based Metadata in Personalized Ranking for Recommender Systems. 2015. 30th ACM SIGAPP Symposium on Applied Computing. (Simposio)
23. DADDIO, R. M.; MANZATO, MARCELO GARCIA. A Sentiment-Based Item Description Approach for kNN Collaborative Filtering. 2015. 30th ACM SIGAPP Symposium on Applied Computing. (Simposio)
24. MARQUES JUNIOR, S.; MANZATO, M. G.. Filtragem Colaborativa Baseada em Proximidade Semântica entre Itens. 2015. XXI Simpósio Brasileiro de Sistemas Multimídia e Web. (Simposio)
25. MARINHO, R. S.; DADDIO, R. M.; MANZATO, MARCELO GARCIA. Semantic organization of user's reviews applied in recommender systems. 2017. Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia). (Simposio)
26. FRESSATO, E. P.; COSTA, ARTHUR F. DA; MANZATO, M. G.. Similarity Based Matrix Factorization for Item Cold Start in Recommender Systems. 2018. Brazilian Conference on Intelligent Systems. (Simposio)
27. ARAÚJO DURÃO, FREDERICO; SOUZA CABRAL, BRUNO; COSTA, ARTHUR F. DA; MANZATO, M. G.. Evaluating Multiple User Interactions for Ranking Personalization Using Ensemble Methods. 2018. 2018 International Conference on Software Engineering and Knowledge Engineering. (Conferencia)
28. DADDIO, R. M.; FRESSATO, E. P.; COSTA, ARTHUR F. DA; MANZATO, M. G.. Incorporating Item Representations to Soften the Cold Start Problem. 2018. Simpósio Brasileiro de Sistemas Multimídia e Web. (Simposio)
29. MANZATO, M. G.; GOULARTE, R.. Video news classification for automatic content personalization: A genetic algorithm based approach. 2008. XIV Simpósio Brasileiro de Sistemas Multimídia e Web. (Simposio)
Demais tipos de produção bibliográfica (3)
1. MANZATO, M. G.; FORTES, R. P. M.; GOULARTE, R.. Técnicas e métodos para segmentação de vídeo: um estudo sistemático. 2007. . (Relatório técnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. MANZATO, M. G.. Adaptação de vídeo ao vivo apoiada em informações de contexto. 2006. . (Dissertação)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. MANZATO, M. G.. Uma arquitetura de personalização de conteúdo baseada em anotações do usuário. 2011. . (Tese)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Produção técnica

Programas de computador com registro de patente (0)
Programas de computador sem registro de patente (0)
Produtos tecnológicos (0)
Processos ou técnicas (0)
Trabalhos técnicos (19)
1. . Assessor ad-hoc fapesp. 2016.
  [ busca Google | busca Bing ]
2. . Assessor ad-hoc fapesp. 2017.
  [ busca Google | busca Bing ]
3. . Assessor ad-hoc fapesp. 2019.
  [ busca Google | busca Bing ]
4. . Assessor ad-hoc fapesp. 2020.
  [ busca Google | busca Bing ]
5. . Assessor ad-hoc fundo mackenzie de pesquisa. 2016.
  [ busca Google | busca Bing ]
6. . Assessor ad-hoc fundo mackenzie de pesquisa. 2018.
  [ busca Google | busca Bing ]
7. . Consultoria monitora. 2018.
  [ busca Google | busca Bing ]
8. . Consultoria univesp. 2018.
  [ busca Google | busca Bing ]
9. . Consultoria univesp. 2019.
  [ busca Google | busca Bing ]
10. . Consultoria univesp. 2019.
  [ busca Google | busca Bing ]
11. . Consultoria univesp. 2019.
  [ busca Google | busca Bing ]
12. . Consultoria univesp. 2019.
  [ busca Google | busca Bing ]
13. . Consultoria univesp. 2020.
  [ busca Google | busca Bing ]
14. . Consultoria univesp. 2020.
  [ busca Google | busca Bing ]
15. . Consultoria univesp. 2020.
  [ busca Google | busca Bing ]
16. . Consultoria univesp. 2020.
  [ busca Google | busca Bing ]
17. . Consultoria univesp. 2020.
  [ busca Google | busca Bing ]
18. . Consultoria univesp. 2020.
  [ busca Google | busca Bing ]
19. . Consultoria univesp. 2020.
  [ busca Google | busca Bing ]
Demais tipos de produção técnica (0)

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (0)
Tese de doutorado (3)
1. Cynthya Letícia Teles de Oliveira. Um modelo de interação multimodal para sistemas de recomendação conversacionais. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2020.
  Tese de doutorado: Marcelo Garcia Manzato.
2. André Paulino de Lima. On producing explanations based on item representations in recommender systems. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2019.
  Tese de doutorado: Marcelo Garcia Manzato.
3. Leonardo Simas Duarte. Context Aware Human Activity Recognition based on Embedded Sensors. Universidade de São Paulo, . Início: 2021.
  Tese de doutorado: Marcelo Garcia Manzato.
Dissertação de mestrado (6)
1. Lucas Pereira M. de Araújo. Estratégia conversacional para sistemas de recomendação. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2020.
  Dissertação de mestrado: Marcelo Garcia Manzato.
2. André Levi Zanon. Explicações em Sistemas de Recomendação: uma abordagem personalizada a partir da obtenção das preferências do usuário via Linked Open Data. Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Início: 2020.
  Dissertação de mestrado: Marcelo Garcia Manzato.
3. Luan Soares de Souza. Personalização de Justificativas de Recomendações usando Informações Contextuais. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2020.
  Dissertação de mestrado: Marcelo Garcia Manzato.
4. Raymundo C. B. Saraiva. Sistema Conversacional para Recomendação de Filmes. Universidade de São Paulo, . Início: 2021.
  Dissertação de mestrado: Marcelo Garcia Manzato.
5. Gabrielle Aparecida Pires Alves. Estratégias de nudging para recomendações diversificadas. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2021.
  Dissertação de mestrado: Marcelo Garcia Manzato.
6. Rodrigo Ferrari de Souza. Estratégias de nudging para recomendações diversificadas. Universidade de São Paulo, . Início: 2021.
  Dissertação de mestrado: Marcelo Garcia Manzato.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (0)
Orientações de outra natureza (0)

Supervisões e orientações concluídas

Supervisão de pós-doutorado (0)
Tese de doutorado (2)
1. Arthur Fortes da Costa. Otimização dos sistemas de recomendação por enriquecimento com abordagens de pré-processamento baseadas em feedback de usuários. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2019.
  Tese de doutorado: Marcelo Garcia Manzato.
2. Rafael Martins D'Addio. Recomendação de conteúdo baseada em descrições semânticas extraídas de anotações de usuários. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2020.
  Tese de doutorado: Marcelo Garcia Manzato.
Dissertação de mestrado (10)

Rafael Martins D'Addio. Filtragem baseada em conteúdo auxiliada por métodos de indexação colaborativa. Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2013.
Dissertação de mestrado: Marcelo Garcia Manzato.
Arthur Fortes da Costa. Recomendação de conteúdo baseada em interações multimodais. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2015.
Dissertação de mestrado: Marcelo Garcia Manzato.
Bruno Souza Cabral. Improving Recommender Systems Precision with Multiple Metadata using Ensemble Methods. Universidade Federal da Bahia, . 2014.
Dissertação de mestrado: Marcelo Garcia Manzato.
Ronnie Shida Marinho. Desambiguação lexical de revisões de itens aplicada em sistemas de recomendação. Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2018.
Dissertação de mestrado: Marcelo Garcia Manzato.
Eduardo Pereira Fressato. Incorporação de metadados semânticos para recomendação no cenário de partida fria. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2019.
Dissertação de mestrado: Marcelo Garcia Manzato.
Matheus Naoto Shimura Takata. Avaliação de técnicas de sistemas de recomendação sensíveis ao tempo em modelos de vizinhança para recomendação em sessão. Universidade de São Paulo, . 2021.
Dissertação de mestrado: Marcelo Garcia Manzato.
Fernando Soares de Aguiar Neto. Pre-Processing Approaches for Collaborative Filtering Based on Hierarchical Clustering. Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2018.
Dissertação de mestrado: Marcelo Garcia Manzato.
Gustavo Junior Escobedo Ticona. Exploiting Inter-session Dynamics for Long Intra-Session Sequences of Interactions with Deep Reinforcement Learning for Session-Aware Recommendation. Universidade de São Paulo, . 2021.
Dissertação de mestrado: Marcelo Garcia Manzato.
Marcelo Miky Mine. Ranqueamento Personalizado Baseado em Dados Enriquecidos: Uma Abordagem de Co-Treinamento. Universidade de São Paulo, . 2021.
Dissertação de mestrado: Marcelo Garcia Manzato.
Salmo Marques da Silva Júnior. Recomendação de conteúdo baseada em informações semânticas extraídas de bases de conhecimento. Universidade de São Paulo, . 2014.
Dissertação de mestrado: Marcelo Garcia Manzato.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (3)

Rodrigo Luis Gava Girckus. Enriquecimento de Metadados com Anotações de Usuários para Recuperação de Conteúdo Multimídia. Instituto de Ciências Matemáticas e de Computação, . 2012.
Trabalho_de_conclusao_de_curso_graduacao: Marcelo Garcia Manzato.
Salmo Marques da Silva Júnior. Enriquecimento de Perfil e Metadados Usando Anotações. Universidade de São Paulo, . 2012.
Trabalho_de_conclusao_de_curso_graduacao: Marcelo Garcia Manzato.
William Lopes Miranda. Filtragem Colaborativa Baseada em Itens através de Metadados. Universidade de São Paulo, . 2013.
Trabalho_de_conclusao_de_curso_graduacao: Marcelo Garcia Manzato.
Iniciação científica (5)

Thiago Fujisaka Tanaka. Classificação de interesses com base em anotações. Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2012.
Iniciacao_cientifica: Marcelo Garcia Manzato.
Lucas Tobal Percevali. Fatorização de metadados em sistemas de recomendação. Universidade de São Paulo, Institucional-USP. 2012.
Iniciacao_cientifica: Marcelo Garcia Manzato.
Renato Dompieri Beltrao. Utilizando revisões de usuários em sistemas de recomendação. Universidade de São Paulo, Santander. 2013.
Iniciacao_cientifica: Marcelo Garcia Manzato.
Guilherme José Acra. Sistema de recomendação para indicação de material educacional. Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2018.
Iniciacao_cientifica: Marcelo Garcia Manzato.
Gabriel Baltazar Domingos. Sistemas de Recomendação Baseados em Sessão Cientes de Contexto e de Múltiplas Interações. Universidade de São Paulo, Institucional-USP. 2019.
Iniciacao_cientifica: Marcelo Garcia Manzato.
Orientações de outra natureza (36)

Alunos do Bacharelado em Ciências de Computação. Programa de Tutoria para o Bacharelado em Ciências de Computação. Instituto de Ciências Matemáticas e de Computação, . 2012.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Alunos do Bacharelado em Ciências de Computação. Programa de Tutoria para o Bacharelado em Ciências de Computação. Universidade de São Paulo, . 2013.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Faimison Rodrigues. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2013.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Rafael Martins D'Addio. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2013.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Marco Antônio Sobrevilla Cabezudo. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, Institucional-USP. 2014.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Arthur Fortes da Costa. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2014.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Pedro Paulo Balage Filho. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, Institucional-USP. 2014.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Arthur Fortes da Costa. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, Institucional-USP. 2014.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Daniel de Oliveira Pereira. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2014.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Andrés Eduardo Coca Salazar. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, Institucional-USP. 2011.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Matheus Ricardo Uihara Zingarelli. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2011.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Ana Luiza Dias. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, Institucional-USP. 2011.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Matheus Ricardo Uihara Zingarelli. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, Institucional-USP. 2012.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Felipe Alves da Louza. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2012.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Raoni Simões Ferreira. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2012.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Davi Pereira dos Santos. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, Institucional-USP. 2012.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Caio César Teodoro Mendes. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2013.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Paola Llerena Valdivia. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, Institucional-USP. 2013.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Antonio Canabrava Fraideinberze. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2011.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Filipe Del Nero Grillo. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2011.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Leonardo Barbosa Alves. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2011.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Rodolfo Ribeiro Silva. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2011.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Flávio Heleno Batista. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2012.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Jorge Rodrigues Carvalho. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2012.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Nivaldo Henrique Nunes Bondança. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2012.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Diego Navarenho. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2012.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Bruno Costa Ramos. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2013.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Paulo Urio. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2015.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Adam Henrique Moreira Pinto. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2015.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Rafael Martins D'Addio. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2016.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Joelson Antônio dos Santos. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2016.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Joelson Antônio dos Santos. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2016.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Adam Henrique. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2017.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Diego Silva. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2017.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Arthur Fortes da Costa. Programa de Aperfeiçoamento de Ensino (PAE). Universidade de São Paulo, . 2017.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.
Rodrigo Didier Anderson. Monitoria de Graduação. Universidade de São Paulo, Institucional-USP. 2015.
Orientacao-de-outra-natureza: Marcelo Garcia Manzato.

Projetos de pesquisa

Total de projetos de pesquisa (11)

2007-2007. Ginga
Este pojeto tem por objetivo realizar extensões ao Ginga, o middleware do Sistema Brasileiro de TV Digital, de modo a permitir modos de interatividade avançados
Membro: Marcelo Garcia Manzato.
2003-2003. VIMOS (Vídeo, Mobilidade e Segurança)
O rápido desenvolvimento de novas tecnologias para redes de alta banda, comunicação sem fio, técnicas de compressão, etc, tornou possível o desenvolvimento de sofisticadas infraestruturas de comunicação para suportar uma variedade de aplicações multimídia. Dentre essas podemos distinguir, por exemplo, a transmissão de áudio e vídeo em tempo real. Entretanto, um ambiente sem fio traz desafios adicionais a essas aplicações devido a taxas mais altas de erro em comparação a redes interligadas por fibra ótica, limitações de banda e mobilidade dos usuários. O objetivo deste projeto será estudar, conceber e avaliar o desempenho de um conjunto de mecanismos e protocolos capazes de lidar com esses aspectos para permitir a transmissão de vídeo com qualidade e segurança. Dentre os aspectos abordados neste projeto podemos citar protocolos e mecanismos de provisão de QoS e segurança em redes sem fio, caracterização do tráfego de vídeo, middleware para o gerenciamento da QoS nestas redes e aplicações de vídeo adaptativas
Membro: Marcelo Garcia Manzato.
2012-2012. Métodos Avançados de Seleção de Conteúdo Multimídia
O conhecimento de informações semânticas a respeito do conteúdo e interesses dos usuários é essencial para o provimento de serviços de seleção e recomendação, que filtram os dados segundo as intenções e preferências de cada indivíduo. Por outro lado, a falta de técnicas genéricas e eficientes para extrair essas informações de alto-nível faz com que o problema da lacuna semântica persista até hoje. A utilização de anotações produzidas pelos usuários pode reduzir esse problema, uma vez que metadados mais ricos semanticamente podem ser extraídos a partir da atividade de interação realizada pelos usuários. Entretanto, para viabilizar essa estratégia, alguns problemas precisam ser investigados, como a presença de ruídos e dados irrelevantes, a maneira de se construir e representar as informações, a falta de mecanismos para transformar as anotações em dados estruturados semanticamente e a aplicação dessas informações em serviços apropriados. Este plano de pesquisa tem como objetivo investigar esses desafios, de modo a possibilitar o desenvolvimento de aplicações de seleção multimídia. Espera-se que os metadados semânticos sobre conteúdo e preferências pessoais possam ser extraídos colaborativamente pelos usuários de maneira irrestrita ao domínio de dados, não requerendo esforços dispendiosos e suscetíveis a erros tal como ocorre em abordagens verificadas atualmente na literatura.
Membro: Marcelo Garcia Manzato.
2014-2014. Explorando Anotações Colaborativas em Sistemas de Recomendação Híbridos
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.
Membro: Marcelo Garcia Manzato.
2016-2016. Informática Básica para Terceira Idade - 2a. edição

Membro: Marcelo Garcia Manzato.
2017-2017. Informática Básica para Terceira Idade - 5a. edição

Membro: Marcelo Garcia Manzato.
2018-2018. Projeto Codifikids - 2o. semestre

Membro: Marcelo Garcia Manzato.
2019-2019. Projeto Codifikids - 2o. semestre

Membro: Marcelo Garcia Manzato.
2020-2020. Escola Avançada em Big Data Analysis
Professor do módulo Entendendo o valor dos sistemas de recomendação personalizados para o e-business/negócios
Membro: Marcelo Garcia Manzato.
2017-2017. Organização Semântica de Anotações Colaborativas de Usuários Aplicada em Sistemas de Recomendação
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.
Membro: Marcelo Garcia Manzato.
2017-2017. Mineração de Dados e Textos para Aquisição de Informação Contextual para Sistemas de Recomendação Sensíveis ao Contexto
As empresas que tratam seus negócios na Web oferecem uma vasta quantidade e variedade de conteúdos Web (isto é, produtos, serviços e informações). Estas empresas sentem a necessidade de descobrir informações sobre o comportamento e interesse de seus usuários para poder recomendar a estes os produtos, serviços e informações que lhes são relevantes. Porém, o comportamento e interesse de um usuário são constantemente influenciados pelo contexto no qual este se encontra. Por exemplo, um usuário pode desejar assistir um filme com a sua namorada no sábado à noite ou com os seus amigos durante um dia de semana, e uma locadora de filmes na Web pode recomendar diferentes tipos de filmes para este usuário dependendo do contexto no qual este se encontra. Um grande desafio para o uso de sistemas de recomendação sensíveis ao contexto por sítios Web é a falta de métodos para aquisição automática de informação contextual para estes sistemas. Diante desse cenário, o objetivo deste projeto é a pesquisa, proposta e avaliação de métodos de aquisição de informação contextual para sistemas de recomendação de contéudo Web sensíveis ao contexto.
Membro: Marcelo Garcia Manzato.

Prêmios e títulos

Total de prêmios e títulos (1)

Melhor artigo completo pelo artigo A personalized clustering-based approach using open linked data for search space reduction in recommender systems. WebMedia 2019. 2019.
Membro: Marcelo Garcia Manzato.

Participação em eventos

Total de participação em eventos (11)

Evaluating the Combination of Multiple Metadata Types in Movies Recommendation. Joint Conference on Robotics and Intelligent Systems
Similarity-Based Matrix Factorization for Item Cold-Start in Recommender Systems. Brazilian Conference on Intelligent Systems
Evaluating Multiple User Interactions for Ranking Personalization Using Ensemble Methods. 2018 International Conference on Software Engineering and Knowledge Engineering
Membro de Comitê de Programa. ACM International Conference on Interactive Experiences for TV and Online Videos
Improving Personalized Ranking in Recommender Systems with Multimodal Interactions. The 2014 Web Intelligence Congress
Exploiting Text Mining Techniques for Contextual Recommendations. The 2014 Web Intelligence Congress
Optimizing Personalized Ranking in Recommender Systems with Metadata Awareness. The 2014 Web Intelligence Congress
Discovering Latent Factors from Movies Genres for Enhanced Recommendation. 6th ACM Conference on Recommender Systems
. XXIII Congresso da Sociedade Brasileira de Computação (SBC2003)
. VIII Conttein - Congresso de Tecnologia, Telecomuincação e Informática
. IX Escola Regional de Informática da Sociedade Brasileira de Computação - Regional Sul

Organização de eventos

Total de organização de eventos (10)

. XVI SudestePET. Universidade de São Paulo. 2016. Organizacao
. 19a Semana da Computação. Instituto de Ciências Matemáticas e de Computação - ICMC-USP. 2016. Organizacao
. 20a. Semana da Computação. Instituto de Ciências Matemáticas e de Computação - ICMC-USP. 2017. Organizacao
. XV Encontro dos grupos PET da USP - EPETUSP 2017. USP. 2017. Organizacao
. 21a. Semana da Computação. Instituto de Ciências Matemáticas e de Computação - ICMC-USP. 2018. Organizacao
. 22a. Semana da Computação. Instituto de Ciências Matemáticas e de Computação - ICMC-USP. 2019. Organizacao
. Encontro dos grupos PET USP. USP. 2017. Organizacao
. 23a Semana da Computação. Instituto de Ciências Matemáticas e de Computação - ICMC-USP. 2020. Organizacao
. Coleta online de conjuntos de dados usando recursos do Chrome Extension. CEFET/RJ e UFF. 2019. Nao_informado
. Doctoral Symposium of ACM Recommender Systems Conference. ACM. 2020. Organizacao

Lista de colaborações

Colaborações endôgenas (5)

Marcelo Garcia Manzato ⇔ Rudinei Goularte (21.0)
MANZATO, MARCELO GARCIA; SANTOS JUNIOR, E. B.; GOULARTE, R.. Leveraging Hybrid Recommenders with Multifaceted Implicit Feedback. Journal of Universal Computer Science (Online). v. 21, p. 223-247, 2015.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SANTOS JUNIOR, E. B.; MANZATO, M. G.; GOULARTE, R.. Evaluating the impact of demographic data on a hybrid recommender model. IADIS International Journal on WWWInternet. v. 12, p. 149-167, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Manzato, Marcelo G.; Goularte, Rudinei; Coimbra, Danilo B.. An enhanced content selection mechanism for personalization of video news programmes. Multimedia Systems (Online). v. 17, p. 19-34, 2011.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, M. G.; GOULARTE, R.. Peersommender: A peer-level annotation based approach for multimedia recommendation. Journal of Information and Data Management - JIDM. v. 1, p. 277-292, 2010.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Manzato, Marcelo G.; Macedo, Alessandra A.; Goularte, Rudinei. Evaluation of Video News Classification Techniques for Automatic Content Personalization. International Journal of Advanced Media and Communication. v. 3, p. 383-403, 2009.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
DOS SANTOS, EDSON B.; DA COSTA, ARTHUR F.; D'ADDIO, RAFAEL M.; MANZATO, Marcelo Garcia; Goularte, Rudinei. Introducing the concept of ?always-welcome recommendations?. Em: 2015 IEEE/ACIS 14th International Conference on Computer and Information Science (ICIS), p. 197-202, 2015.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SANTOS JUNIOR, E. B.; Goularte, Rudinei; Manzato, Marcelo G.. Personalized collaborative filtering: a neighborhood model based on contextual constraints (DOI: 10.1145/2554850.2555017). Em: ACM Symposium on Applied Computing (SAC'2014), v. 1, p. 919-924, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SANTOS, EDSON B.; Manzato, Marcelo G.; Goularte, Rudinei. A conceptual architecture with trust consensus to enhance group recommendations. Em: 2014 IEEE/ACIS 13th International Conference on Computer and Information Science (ICIS), p. 137-142, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SANTOS JUNIOR, E. B.; Manzato, Marcelo G.; Goularte, Rudinei. Hybrid recommenders: incorporating metadata awareness into latent factor models (DOI: 10.1145/2526188.2526197). Em: 19th Brazilian Symposium on Multimedia and the Web, v. 1, p. 317-324, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Manzato, Marcelo G.; Goularte, Rudinei. A multimedia recommender system based on enriched user profiles. Em: 27th Symposium On Applied Computing, v. 1, p. 975-980, 2012.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, M. G.; GOULARTE, R.. Automatic annotation of tagged content using predefined semantic concepts. Em: 18th Brazilian Symposium on Multimedia and the Web, v. 1, p. 1-8, 2012.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
CARVALHO, J. R.; MANZATO, M. G.; GOULARTE, R.. Accelerometers data interoperability: easing interactive applications development. Em: Simpósio Brasileiro de Sistemas Multimídia e Web, v. 1, p. 20-28, 2012.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, M. G.; COIMBRA, D. B.; GOULARTE, R.. Multimedia content personalization based on peer-level annotation. Em: European Interactive TV Conference, v. 1, p. 57-66, 2009.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, M. G.; GOULARTE, R.. Supporting multimedia recommender systems with peer-level annotations. Em: XV Simpósio Brasileiro de Sistemas Multimídia e Web - WebMedia 2009, v. 1, p. 202-209, 2009.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, M. G.; GOULARTE, R.. Video News Classification for Automatic Content Personalization: A Genetic Algorithm Based Approach. Em: XIV Simpósio Brasileiro de Sistemas Multimídia e Web, v. 1, p. 36-43, 2008.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, M. G.; GOULARTE, R.. Shot boundary detection based on intelligent systems. Em: XIII Simpósio Brasileiro de Sistemas Multimídia e Web, 2008, Vila Velha. Anais do XIV Simpósio Brasileiro de Sistemas Multimídia e Web, v. 1, p. 190-197, 2007.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, Marcelo Garcia; GOULARTE, R.. Live video adaptation: a context-aware approach. Em: XI Simpósio Brasileiro de Sistemas Multimídia e Web - WebMedia 2005, v. 125, p. 1-8, 2005.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, M. G.; JUNQUEIRA, D. C.; GOULARTE, R.. Interactive News Documents for Digital Television. Em: XIV Simpósio Brasileiro de Sistemas Multimídia e Web, v. 2, p. 1-4, 2008.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, MARCELO; Goularte, Rudinei. Transcoding Evaluation in Live Video Adaptation. Em: , v. 1, p. 203-208, 2006.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
NASCIMENTO, G. A.; MANZATO, M. G.; GOULARTE, R.. Extração de Quadros-Chave como subsídio para personalização em vídeos digitais. Em: Worksop de Iniciação Científica - XVI Simpósio Brasileiro de Sistemas Multimídia e Web, v. 2, n. 1, p. 105-107, 2010.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, M. G.; FORTES, R. P. M.; GOULARTE, R.. Técnicas e métodos para segmentação de vídeo: um estudo sistemático. 2007. . (Relatório técnico)
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Marcelo Garcia Manzato ⇔ Solange Oliveira Rezende (8.0)
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. 378-415, 2016.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
COSTA, ARTHUR F. DA; DOMINGUES, MARCOS A.; REZENDE, SOLANGE O.; MANZATO, MARCELO G.. Improving Personalized Ranking in Recommender Systems with Multimodal Interactions. Em: 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), p. 198-204, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
DOMINGUES, MARCOS AURELIO; MANZATO, MARCELO GARCIA; MARCACINI, RICARDO MARCONDES; SUNDERMANN, CAMILA VACCARI; REZENDE, SOLANGE OLIVEIRA. Using Contextual Information from Topic Hierarchies to Improve Context-Aware Recommender Systems. Em: 2014 22nd International Conference on Pattern Recognition (ICPR), p. 3606-3611, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, MARCELO G.; DOMINGUES, MARCOS A.; REZENDE, SOLANGE O.. Optimizing Personalized Ranking in Recommender Systems with Metadata Awareness. Em: 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), p. 191-197, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
DOMINGUES, MARCOS AURELIO; SUNDERMANN, CAMILA VACCARI; MANZATO, MARCELO GARCIA; MARCACINI, RICARDO MARCONDES; REZENDE, SOLANGE OLIVEIRA. Exploiting Text Mining Techniques for Contextual Recommendations. Em: 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), p. 210-217, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, MARCELO GARCIA; DOMINGUES, MARCOS AURELIO; MARCACINI, RICARDO MARCONDES; REZENDE, SOLANGE OLIVEIRA. Improving Personalized Ranking in Recommender Systems with Topic Hierarchies and Implicit Feedback. Em: 2014 22nd International Conference on Pattern Recognition (ICPR), p. 3696-3701, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
DOMINGUES, MARCOS A.; SUNDERMANN, CAMILA V.; BARROS, FLÁVIO M. M.; MANZATO, MARCELO G.; PIMENTEL, MARIA G. C.; REZENDE, SOLANGE O.. Applying multi-view based metadata in personalized ranking for recommender systems. Em: 30th ACM/SIGAPP Symposium On Applied Computing, v. 1, p. 1105-1107, 2015.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
D'ADDIO, RAFAEL; CONRADO, Merley; Resende, Solange; MANZATO, MARCELO. Generating Recommendations Based on Robust Term Extraction from Users' Reviews. Em: 20th Brazilian Symposium on Multimedia and the Web, p. 55-58, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Marcelo Garcia Manzato ⇔ Maria da Graca Campos Pimentel (3.0)
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. 378-415, 2016.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
DE LIMA, ANDRE PAULINO; DANTAS, LAURENTINO AUGUSTO; MANZATO, MARCELO GARCIA; PIMENTEL, MARIA; ORLANDI, BRUNELA; Castro, Paula. An Interpretable Recommendation Model for Gerontological Care. Em: RecSys '21: Fifteenth ACM Conference on Recommender Systems, p. 620-626, 2021.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
DOMINGUES, MARCOS A.; SUNDERMANN, CAMILA V.; BARROS, FLÁVIO M. M.; MANZATO, MARCELO G.; PIMENTEL, MARIA G. C.; REZENDE, SOLANGE O.. Applying multi-view based metadata in personalized ranking for recommender systems. Em: 30th ACM/SIGAPP Symposium On Applied Computing, v. 1, p. 1105-1107, 2015.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Marcelo Garcia Manzato ⇔ Ricardo Marcondes Marcacini (3.0)
DOMINGUES, MARCOS AURELIO; MANZATO, MARCELO GARCIA; MARCACINI, RICARDO MARCONDES; SUNDERMANN, CAMILA VACCARI; REZENDE, SOLANGE OLIVEIRA. Using Contextual Information from Topic Hierarchies to Improve Context-Aware Recommender Systems. Em: 2014 22nd International Conference on Pattern Recognition (ICPR), p. 3606-3611, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
DOMINGUES, MARCOS AURELIO; SUNDERMANN, CAMILA VACCARI; MANZATO, MARCELO GARCIA; MARCACINI, RICARDO MARCONDES; REZENDE, SOLANGE OLIVEIRA. Exploiting Text Mining Techniques for Contextual Recommendations. Em: 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), p. 210-217, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MANZATO, MARCELO GARCIA; DOMINGUES, MARCOS AURELIO; MARCACINI, RICARDO MARCONDES; REZENDE, SOLANGE OLIVEIRA. Improving Personalized Ranking in Recommender Systems with Topic Hierarchies and Implicit Feedback. Em: 2014 22nd International Conference on Pattern Recognition (ICPR), p. 3696-3701, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Marcelo Garcia Manzato ⇔ Kamila Rios da Hora Rodrigues (1.0)
ARAUJO, L. P. M.; OLIVEIRA, C. L. T.; RODRIGUES, KAMILA R.H.; MANZATO, M. G.. Empirical Studies Aimed at Understanding Conversational Recommender Systems and Accessibility Aspects. Em: International Conference on Human-Computer Interaction - HCII, p. -, 2022.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

(*) Relatório criado com produções desde 1970 até 2023
Data de processamento: 10/05/2023 08:54:02

Relatório gerado por scriptLattes V8.13. Os resultados estão sujeitos a falhas devido a inconsistências no preenchimento dos CVs Lattes. E-mail de contato: artur@icmc.usp.br