1. Sistema de Recomendação para TV Digital Portátil
Interativa Brasileira
Elaine Cecília Gatto, Sergio Donizetti Zorzo
Universidade Federal de São Carlos – UFSCar
Departamento de Computação – DC
Rodovia Washington Luís, Km 235, Caixa Postal 676, CEP 13565-905
São Carlos – São Paulo – Brasil – Tel.: +55-16-3351-8232
elaine_gatto@dc.ufscar.br, zorzo@dc.ufscar.br
Resumo- A possibilidade de oferta de novos serviços e
programas, e conseqüentemente mais conteúdo disponível, com a
utilização do sistema brasileiro de televisão digital, gerará
dificuldades para o usuário em selecionar os seus programas
preferenciais. Os Sistemas de Recomendação tornam-se uma
ferramenta para solução destas dificuldades e possuem potencial
para aperfeiçoar a interatividade do usuário com a televisão
digital, oferecendo a filtragem destas informações e a
personalização da oferta de conteúdo. Este trabalho descreve um
sistema de recomendação para televisão digital portátil interativa
brasileira, centrado no aparelho celular que possibilita esta
funcionalidade e gerando recomendação de programas de
televisão de acordo com os gêneros de programas preferenciais
do usuário durante o período de utilização da televisão no
celular.
I. INTRODUÇÃO
Com a televisão digital, novos serviços, produtos,
conteúdos, canais e modelos de negócios estão sendo criados.
O Sistema Brasileiro de Televisão Digital (SBTV-D) [1,2]
permite recepção fixa e portátil, alta qualidade de áudio e de
vídeo, bem como interatividade, possibilitando a criação de
conteúdos diferenciados para os usuários de televisão digital
interativa fixa e portátil.
A televisão digital portátil interativa compartilha em um
único dispositivo as funcionalidades da internet, TV e
telefonia celular, observando que os sinais de TV para estes
dispositivos já estão disponíveis em diversas cidades
brasileiras. Algum tipo de interatividade para a televisão
digital portátil já é oferecida em países que possuem este
serviço, como votação em programas, publicidade com
redirecionamento para compras, guia eletrônico de
programação, etc.
O guia eletrônico de programação [3, 4, 5] – oferecido pelas
emissoras - é uma ferramenta útil ao usuário, pois auxilia a
escolha do programa de TV que deseja assistir. Porém, é
inevitável o aumento de conteúdo no guia eletrônico de
programação com a inclusão de novos canais e, dessa forma,
dado o volume de informação, o usuário começa a ter
dificuldades na escolha de seus programas, resultando em uma
perda de tempo indesejável. O guia eletrônico de programação
sobrecarregado de informações passa a não atender às
necessidades dos usuários, pois como não considera as suas
preferências, a apresentação de listas na tela torna-se
enfadonha, pois são extensas.
Para os usuários de TV portátil, esta situação é ainda mais
agravante. Apresentar grandes listas de programas em uma
tela reduzida traz ainda mais dificuldades. Desta forma, os
usuários de televisão digital portátil interativa deparam-se com
a escassez de recursos oferecidos pelo dispositivo e não estão
dispostos a perder tempo selecionando programas. Em
contraste com o uso da televisão digital em residências onde é
comum mudar com freqüência os canais e navegar pelo guia
eletrônico de programação, para a televisão digital portátil
interativa isto consome quantidade de tempo e energia
considerável. [6, 7]
No Brasil o número de aparelhos celulares é muito maior
que o número de aparelhos televisores, o que pode
impulsionar o uso da televisão digital mais rapidamente nesse
tipo de dispositivo quando estes celulares com TV digital
estiverem mais acessíveis à população. [8, 9]
Como grande vantagem da televisão digital portátil está o
fato de poder ser utilizada pelo usuário em qualquer lugar e a
qualquer hora. Já para a televisão digital fixa, a comodidade
em poder assistir aos programas em sua residência e por um
tempo mais prolongado pode ser citada como uma vantagem
em comparação com a televisão digital portátil. A Tabela I
apresenta uma comparação entre a televisão digital fixa e a
portátil no Brasil.
TABELA I
COMPARAÇÃO ENTRE TELEVISÃO DIGITAL FIXA E PORTÁTIL NO BRASIL
Fixa
Set-top-box
Aparelhos de TV com
conversores embutidos
Vários usuários
Portátil
Aparelhos celulares
PDAs, Mini-TVs, Smartphones,
Blackberrys, Receptores para veículos
automotivos
Um usuário
Tela maior que 30 polegadas
Tela menor que 10 polegadas
Local fixo
Qualquer local
Maior tempo de visualização
Menor tempo de visualização
Sem Canal de Retorno definido
Implementação de referência do
middleware disponível
Canal de retorno da própria rede celular
Implementação de referência do
middleware não disponível
Os usuários destes dispositivos necessitam de atenção
particular, devido às atuais características deste ambiente

2. como poder de processamento, capacidade de armazenamento
e bateria.
Para usufruir de todo o potencial disponibilizado pela
televisão digital portátil interativa, é necessário que um
software faça a ligação entre o hardware, o sistema
operacional e as aplicações interativas de televisão digital.
Esse software é o middleware e no Brasil ele é denominado
Ginga [10, 11]. O middleware Ginga permite que aplicações
declarativas e procedurais sejam construídas utilizando-se,
respectivamente Ginga-NCL (Nested Context Language) [12]
e Ginga-J (Java) [13].
O modelo proposto neste trabalho utilizou uma
implementação de referência do middleware Ginga-NCL.
NCL [14] é uma linguagem declarativa para autoria de
documentos hipermídia e foi desenvolvida baseada em um
modelo conceitual que é focado na representação e tratamento
de documentos hipermídia. NCL é a linguagem oficial do
middleware Ginga-NCL, podendo ser utilizada em
dispositivos portáteis.
O principal objetivo deste trabalho é o desenvolvimento de
um sistema de recomendação para a televisão digital portátil
interativa brasileira, buscando recomendar programas
televisivos de acordo com o perfil do usuário.
Este artigo está estruturado como: Na seção I apresenta-se o
contexto do trabalho, na seção II alguns trabalhos relacionados
são apresentados, na seção III o sistema de recomendação para
a televisão digital portátil interativa brasileira é apresentado,
suas características, arquitetura e implementação, na seção IV
os resultados obtidos e a seção V as conclusões.
II. TRABALHOS CORRELATOS
Na literatura existem diversos sistemas de recomendação
para set-top-boxes que permitem serviços de personalização
[15, 16, 17]. Para dispositivos portáteis, como celulares com
televisão digital, o desenvolvimento de sistemas de
recomendação é uma recente área de pesquisa. A seguir são
apresentados três trabalhos que aplicam técnicas de
recomendação para televisão digital portátil interativa.
Em [7] foi desenvolvido um sistema de recomendação para
o padrão DVB-H (Digital Video Broadcast – Handheld) [18]
em conformidade com OMA-BCAST (Open Mobile AllianceMobile Broadcast Services Enabler Suite) [19]. Os autores
identificaram alguns requisitos para os sistemas de
recomendação dedicados a este ambiente como escalabilidade,
latência de resposta, flexibilidade para padrões correntes de
transmissão, proteção à privacidade do usuário, entre outros.
O sistema de recomendação enquadra-se na categoria de
sistemas com filtragem baseada em conteúdo, empregando
mineração de texto. Emprega uma interface simples com o
usuário e aceita linguagem natural como entrada de texto
assim como quatro valores que refletem as preferências do
usuário para comédia, ação, terror e erotismo.
Neste sistema a recomendação ocorre da seguinte forma:
primeiramente são extraídos os textos, em seguida, procuramse as emoções contidas no texto e distâncias entre os temas são
computadas. Um índice é calculado para cada entrada e é
retornada uma lista de programas ordenada por este índice.
O sistema ZapTV [20] permite que o usuário crie seu próprio
conteúdo, oferece serviços de valor agregado como acesso
multimodal (Web e Celulares), canal de retorno, anotação de
vídeo, compartilhamento e distribuição personalizada de
conteúdo e foi desenvolvido para o padrão DVB-H.
ZapTV envolve além da tecnologia provida pelo DVB-H,
outras tecnologias como TV-Anytime [21], Tecnologias
emergentes da Web 2.0 [22] e envolvidas na Web Semântica
[23].
As principais funcionalidades do ZapTV incluem uma rede
social, difusão personalizada de conteúdo (forma implícita ou
explícita de recomendação), planejamento de difusão de
canais temáticos (faixa etária, gênero ou tema específico),
aplicação cliente e transmissão do guia eletrônico de
programação.
ZapTV procura melhorar a recomendação utilizando um
mecanismo de personalização inteligente que combina
filtragem de informação com processos de raciocínio
semântico e, foi modelado nos princípios de participação e
compartilhamento entre os usuários da Web 2.0, de forma que
a geração, compartilhamento, classificação e anotação de
conteúdos ocorrem colaborativamente, facilitando a tarefa de
busca destes conteúdos.
O sistema de [24] tem como principal objetivo oferecer
conteúdo comum (TV Aberta) e também personalizado e
adaptado para fornecer conteúdos que podem ser mais
atraentes para os usuários.
A arquitetura do sistema permite a difusão de conteúdos
tanto por broadcast, como DVB-H, por exemplo, quanto por
streaming de vídeo.
Existe um servidor onde o fluxo de televisão e os serviços de
dados estão localizados e um servidor personalizado de
conteúdo que é responsável por fazer a atribuição e gestão do
conteúdo pessoal, de acordo com as preferências do usuário e
o histórico de visualização e também deve indicar quando a
mudança entre o conteúdo comum e o personalizado tem que
ser feita.
A parte do usuário consiste de dispositivos móveis dos
usuários que podem executar a aplicação cliente, e enviam de
volta ao servidor os dados necessários para auxiliar na
configuração de seu perfil.
No lado cliente tem-se o módulo Player que entre outras
tarefas deve executar os conteúdos conforme o tipo de
recepção disponível no dispositivo e também um módulo para
armazenar a coleta dos dados do usuário e os conteúdos
personalizados recebidos do servidor.
Há um módulo denominado de controle que é responsável
por executar o player quando o usuário inicia o aplicativo,
monitorar, capturar e preparar as interações do usuário para
serem enviadas ao servidor entre outras tarefas. O último
módulo do lado cliente é responsável por receber os conteúdos
personalizados e enviar os dados capturados.
O módulo Decissor, do lado servidor controla os perfis de
usuário no módulo de banco de dados, é capaz de atualizar o
perfil de usuário sempre que recebe do usuário informações
sobre o seu comportamento e seleciona as propagandas que

3. têm de ser enviados para os usuários de acordo com este
perfil.
O Servidor Web hospeda os serviços web para gerenciar o
sistema e os conteúdos e empresas de propaganda e
provedores de conteúdo podem adicionar excluir e modificar
conteúdos, propagandas e usuários.
Existe também um módulo para controlar o fluxo de dados
entre o servidor e o usuário e outro módulo para o banco de
dados que armazena os perfis, os dados coletados a partir do
comportamento do usuário e os conteúdos enviados pelos
prestadores.
O último módulo do lado servidor é responsável em dar
formato aos dados possibilitando que os módulos possam se
comunicar de forma segura e adequada.
Finalizando, o sistema exige login/senha e na primeira vez
que o usuário acessa a aplicação, é preenchido um formulário
com as suas preferências que geram o seu perfil. Após efetuar
o login, o usuário começa a assistir televisão ou por streaming
ou por broadcast.
Ambos os trabalhos supracitados fornecem soluções para a
personalização e a sobrecarga de informação na televisão
digital em dispositivos portáteis.
Em [7] o mecanismo do sistema de recomendação aplica a
técnica de mineração de textos, filtragem baseada em
conteúdo e necessita que o usuário informe alguns dados,
enquanto que em [20] o mecanismo é mais sofisticado,
utilizando filtragem de informação híbrida, raciocínio
semântico e identifica o usuário de forma explícita e implícita.
Em todos eles são necessários login e os diferenciais de [24]
são a propaganda personalizada e a recepção de conteúdos
tanto por streaming quanto por broadcast.
O trabalho proposto neste artigo utiliza um algoritmo de
mineração de dados e coleta implícita do comportamento do
usuário, o que não exige login/senha por parte do usuário, e foi
desenvolvido particularmente para o sistema brasileiro de
televisão digital. Seu modelo, entretanto pode ser aplicado em
outros padrões.
Os sistemas de recomendação dos trabalhos anteriores
encontram-se fora do dispositivo portátil, e esta é a diferença
mais notável do modelo proposto neste trabalho. Ambos os
sistemas incluem dentro de uma arquitetura existente de
televisão digital, a sua própria arquitetura, como servidores de
conteúdos e servidores de guia eletrônico de programação.
Neste trabalho, o sistema de recomendação está no
dispositivo portátil, não sendo necessária a inclusão de
servidores na arquitetura da televisão digital portátil interativa
brasileira para fornecer recomendação e, portanto, sem a
necessidade de comunicação remota, evitando que o usuário
pague pelo tráfego dos dados na rede para receber as
recomendações ou enviar os seus dados, protegendo desta
forma a privacidade dos dados do usuário.
conteúdo de sua preferência sem investir muito tempo
localizando-o.
O sistema de recomendação foi projetado de forma a ser
executado localmente no aparelho celular com a
funcionalidade de televisão digital. Também é necessário que
o dispositivo tenha o middleware Ginga-NCL.
A Figura 1 apresenta o contexto de utilização do sistema
proposto neste trabalho. Os receptores fixos e móveis recebem
áudio, vídeo e dados, sendo o middleware responsável pela
separação dos mesmos. O dispositivo deve ser capaz de
receber a transmissão de televisão digital com o auxílio de
uma antena interna ou externa compatível com o padrão de
transmissão adotado pelo Brasil. O usuário interage com a
televisão no celular e todos os canais assistidos durante o
período de utilização são armazenados.
A proposta inicial considera a utilização das categorias e o
horário de início dos programas de TV. Assim que o usuário
ligar sua TV no celular, programas de TV de preferência do
usuário e com horário próximo ao horário atual são
recomendados.
O sistema de recomendação foi desenvolvido utilizando-se o
middleware Ginga-NCL. A implementação para dispositivos
portáteis deste middleware não está disponível no momento e
por este motivo, os testes e a implementação foram realizados
no middleware Ginga-NCL para set-top-box.
O processamento tem início quando o usuário liga a TV em
seu celular. Os dados do histórico de visualização do usuário
que foram coletados até então, são minerados encontrando
desta forma o perfil do usuário.
Os dados resultantes da mineração passam por uma
formatação. O perfil do usuário é armazenado em uma base de
dados, juntamente com a data e horário de geração.
Com o perfil do usuário atualizado procura-se no guia
eletrônico de programação, os programas de TV compatíveis e
que estejam sendo transmitidos próximos ao horário atual,
gerando uma lista com estes programas.
III. SISTEMA DE RECOMENDAÇÃO
O sistema proposto neste trabalho visa facilitar o cotidiano
do usuário de televisão digital portátil interativa, com
interação por uma interface simples que possibilita assistir o
Figura 1. Contexto de Utilização do sistema.

4. A lista passa por um processo de limpeza e formatação
permanecendo apenas os dados referentes à data, horário,
duração e emissora gerando uma nova lista de programas. A
lista de programas encontrados são as recomendações que
também é armazenada em uma base de dados junto com a data
e hora de geração.
As recomendações são então apresentadas ao usuário e as
que forem solicitadas são armazenadas junto ao histórico de
visualização.
Durante todo o período em que a TV no celular estiver
ligada, todos os programas visualizados pelo usuário são
armazenados na base de dados que contém o histórico de
visualização. Este processo repete-se toda vez que o usuário
ligar a TV.
A. Implementação
O middleware Ginga possui uma camada para as aplicações
residentes, responsável pela exibição, outra para o núcleo
comum, responsável por oferecer diversos serviços e, uma
última referente à pilha de protocolos.
O trabalho descrito neste artigo foi implementado como um
elemento na arquitetura do Ginga, na camada de núcleo
comum (Ginga Common Core), como ilustrado pela Figura 2.
O sistema de recomendação é dividido em vários módulos e
foi planejado, projetado e modelado cuidadosamente e
especificamente para dispositivos portáteis (aparelhos
celulares), considerando as características atuais destes, de
forma a atender os requisitos deste ambiente em particular e,
também está em conformidade com as normas brasileiras para
a televisão digital portátil brasileira.
O módulo Trigger é responsável por iniciar e terminar o
processamento dos dados do sistema.
O módulo Capture é o responsável por capturar e armazenar
todos os programas assistidos durante o período em que a TV
no celular estiver ligada, assim como as informações
referentes a eles como, por exemplo, data, horário, canal e
gênero.
O módulo Mining é responsável por descobrir e armazenar o
perfil do usuário. Este módulo também deve encontrar no guia
eletrônico de programação, os programas que poderão ser
Figura 2. Sistema de recomendação na arquitetura do middleware Ginga.
recomendados para o usuário, de acordo com o perfil
encontrado, gerando resultados com informações completas.
O módulo Filter é responsável por filtrar as informações
resultantes do módulo Mining, formatando-as e gerando uma
lista de recomendações.
O módulo Presentation é o responsável por apresentar as
recomendações assim como gerenciar o tempo que
permanecerão na tela do dispositivo.
O último módulo, Data Manager, é o responsável por
excluir os dados assim que se tornam obsoletos.
A arquitetura do sistema de recomendação possui também as
bases de dados (arquivos) para armazenar o histórico de
visualização do usuário, o guia eletrônico de programação, o
perfil do usuário e as recomendações. A Figura 3 apresenta a
arquitetura do sistema de recomendação.
B. Algoritmos de Mineração
O módulo Mining utiliza um algoritmo de mineração. Dentre
os diversos métodos de mineração de dados presentes na
literatura e considerando as especificidades do domínio desta
aplicação, verificou-se que o método botton-up, em que o
processo de exploração tenta descobrir alguma coisa que ainda
não é conhecida, extraindo-se apenas os padrões dos dados,
assim como o método de busca de conhecimento indireta ou
não supervisionada e as tarefas de associação, são os mais
adequados para este trabalho.
Há uma grande variedade de algoritmos que poderiam ser
testados. Entretanto, o objetivo deste trabalho não é estudar,
testar e analisar profundamente e sistematicamente o impacto
da aplicação de técnicas de mineração de dados em
dispositivos como aparelhos celulares.
Figura 3. Arquitetura do Sistema de Recomendação

5. TABELA II
AMOSTRA DAS REGRAS GERADAS PELO WEKA
n.º
1
2
regras
domicilio=1 nomeEmissora=Record descSubGenero=Outros
21 ==> descGenero=Variedade 21 conf:(1)
descGenero=Variedade 29 ==> domicilio=1 29 conf:(1)
Os algoritmos das técnicas de associação identificam
associações entre registros de dados que de alguma forma
estão relacionados. A premissa básica encontra elementos que
implicam a presença de outros em uma mesma transação,
objetivando determinar quê coisas estão relacionadas.
As regras de associação interconectam objetos na tentativa
de expor características e tendências. A descoberta de
associações deve evidenciar tanto associações triviais quanto
associações não triviais.
O algoritmo Apriori é utilizado com freqüência para
minerar regras de associação. Apriori consegue trabalhar com
um número alto de atributos, gerando várias combinações
entre eles e realizando buscas sucessivas em toda a base de
dados, mantendo um ótimo desempenho em termos de tempo
de processamento.
O algoritmo tenta encontrar todas as regras de associação
relevantes entre os itens, que tem o formato X (antecedente)
==> Y (conseqüente). Se x% das transações que contêm X
também contêm Y, então x% representa o fator de confiança
(força de confiança da regra). O fator de suporte é uma
medida que corresponde a x% das vezes em que ocorre X e Y
simultaneamente sobre o total de registros (freqüência). [25]
Para constatar que este algoritmo atende aos requisitos
necessários deste trabalho, os testes foram feitos utilizando os
dados do domicílio 1 e o algoritmo Apriori do software Weka.
A Tabela II apresenta uma amostra das regras geradas pelo
software. A regra 1 indica que o descritor Variedade/Outros
teve 21 ocorrências na emissora Record, no domicílio 1.
C. Dados do IBOPE
Para teste do sistema proposto e implementado, em
particular o algoritmo de mineração, é necessário obter os
dados de visualização do usuário e também o guia eletrônico
de programação.
Estes dados foram fornecidos pelo IBOPE [26] e passaram
por um processo de tratamento quase totalmente manual para
se adequar ao formato padrão que deve ser utilizado no
sistema brasileiro de televisão digital e também para que
pudessem ser utilizados no software de mineração de dados
Weka [27] para os testes.
Os dados correspondem a 15 dias de programação e
monitoramento de 6 domicílios brasileiros. O guia eletrônico
de programação é composto por 15 arquivos TXT
denominados arquivos de programação, um para cada dia
(05/03/2008 a 19/03/2008), com a grade de 10 emissoras de
TV Aberta, com início as 00:00:00 e término as 05:59:00. A
Figura 4 ilustra uma amostra do layout inicial destes arquivos
e a Tabela III apresenta como este layout foi organizado.
Figura 4. Amostra do layout inicial dos arquivos TXT
Tomando-se como exemplo a primeira linha da Figura 4,
identificam-se os campos conforme mostra a Tabela IV. Após
o entendimento dos arquivos que compõem o guia eletrônico
de programação, os dados foram copiados dos arquivos de
programação para uma planilha do BrOffice com o auxílio do
recurso colar especial. Este recurso permitiu que os dados
fossem exportados exatamente como construídos no layout,
separando os campos em colunas.
Após a exportação, foi feita a limpeza dos dados
desnecessários. No momento da exportação, os dados
numéricos perderam seu formato, sendo então re-formatados
de acordo com a Tabela III. Por conveniência, a coluna dia foi
convertida do formato texto para o formato data.
Em seguida, perceberam-se algumas inconsistências de
horários, que foram imediatamente corrigidas para que a
análise futura não gerasse resultados errôneos. Todo esse
processo se repetiu para cada um dos 15 arquivos de
programação, gerando uma única planilha contendo todo o
guia eletrônico de programação dos 15 dias.
O comportamento do usuário é composto por várias
planilhas, denominadas planilhas de sintonia, que possuem
muito mais informação que o guia eletrônico de programação.
As planilhas de sintonia e o guia eletrônico de programação
contém códigos que identificam as emissoras da TV Aberta.
Foi necessário padronizar estes códigos, pois o número de
identificação foi registrado diferente nesses arquivos.
Para evitar inconsistência de dados, foi adicionada uma
coluna no guia eletrônico de programação com o nome da
Emissora e depois os códigos das emissoras de TV Aberta
foram padronizados, pois havia conflitos de códigos entre as
emissoras Bandeirantes, Record, Rede TV! e TV Cultura.
TABELA III
LAYOUT DOS ARQUIVOS TXT
Descrição
Código da Emissora
Código do Programa
Nome do Programa
Início do Programa
Fim do Programa
Tipo
Numérico (03)
Numérico (06)
Caractere (30)
Numérico (06)
Numérico (06)
Posição Inicial
1
24
30
160
166

6. TABELA IV
IDENTIFICANDO OS CAMPOS NOS ARQUIVOS TXT
Coluna
Conteúdo
1.ª
005100PNREXXXXX
2.ª
002645RELIGIOSO
MAT
3.ª
4.ª
000000
0000
5.ª
060000080000DIA_05
6.ª
11111110000000000000
0003XX
Identificação
Código da
005
Emissora
100PNREXX
XXX
Descartado
002645
Código do
Programa
RELIGIOSO
MAT
Nome do
Programa
Descartado
Descartado
Início do
060000
Programa
Fim do
080000
Programa
Dia do
DIA_05
Programa
Descartado
Também se adicionou o dia da semana e a duração do
programa. O guia eletrônico de programação, nessa etapa
ainda não está completo, faltam o gênero e subgênero de cada
programa. Para isso procurou-se nos sites oficiais de cada
emissora o gênero dos programas transmitidos e em seguida
identificados de acordo com a norma brasileira ABNT NBR
15603-2:2007, Anexo C, “Descritor de gênero no descritor de
conteúdo” [28].
Para facilitar essa identificação, foi utilizado o recurso de
filtro para classificar o guia eletrônico de programação de
acordo com o nome do Programa. Se o programa repetisse
nesses 15 dias, não era necessário procurar novamente no site
da emissora. Ressalta-se que a planilha do guia eletrônico de
TABELA V
RELAÇÃO QUANTIDADE DE PROGRAMAS/CATEGORIA
Categoria
Minissérie
Erótico
Novela
Reality Show
Filme
Humorístico
Informação
Educativo
Esporte
Sorteio, televendas, premiação
Debate/Entrevista
Série/Seriado
Outros
Infantil
Jornalismo
Variedade
TOTAL
Quantidade
0
1
15
15
24
25
32
33
40
42
52
56
62
63
146
203
812
Figura 5. Amostra das planilhas de sintonia.
programação totalizou cerca de 4500 linhas, o que
corresponde a 4500 registros em um banco de dados e, com
identificação de aproximadamente 800 programas diferentes.
A Tabela V mostra a relação quantidade de
programas/categoria encontrada no guia eletrônico de
programação.
O formato dos dados enviados pelo IBOPE pode ser
visualizado na Figura 5, que mostra o comportamento dos
usuários do domicílio 2. A planilha inicia-se as 00:00:00 e
termina as 05:59:00 e, nos horários em que o usuário assistiu
TV, é marcado o código do canal assistido. Apesar de haver 3
indivíduos e apenas 1 TV no domicílio 2, o IBOPE colheu os
canais assistidos por cada membro individualmente, o que
fornece informações a respeito do comportamento de cada
membro da casa. A Tabela VI apresenta as características dos
domicílios.
Para trabalhar de forma adequada com os dados, a planilha
de sintonia também foi modificada. Foi necessário separar
cada individuo com seus respectivos canais, dia, horário,
domicílio e TV. As colunas de data e horário também foram
formatadas de acordo com o padrão que deve ser utilizado no
sistema brasileiro. Isto se repetiu para todo o conteúdo de
todas as planilhas, gerando a relação apresentada na Tabela
VII.
As planilhas foram convertidas em arquivos CSV (Commaseparated values) para inserção no banco de dados MySQL e
também para uso no Weka. Em seguida, cada arquivo CSV foi
inserido no banco de dados e os registros desnecessários foram
retirados. As colunas data e hora também foram convertidas
em uma única coluna, de acordo com o formato padrão (aaaamm-dd hh:mm:ss).
O próximo passo consistiu em encontrar no guia eletrônico
de programação os programas correspondentes aos horários
assistidos. No sistema de recomendação proposto, o
comportamento do usuário é monitorado, mas não minuto a
minuto, como nos dados do IBOPE, mas apenas quando o
usuário mudar de canal.
Para se aproximar deste objetivo, os dados resultantes da
mescla do guia eletrônico de programação com o
comportamento do usuário, que gera na realidade o histórico
de visualização, passaram por mais um processo de limpeza.

7. Domicílio
1
N.º Indivíduos
2
Recomendações / Solicitações
TABELA VI
CARACTERÍSTICAS DOS DOMICÍLIOS MONITORADOS
N.º TVs
1
2
3
3
3
1
2
4
2
2
1
6
3
4
2
5
6
2
2
0
7
8
9
10
11
12
13
14
15
16
17
18
19
Dias
TOTAL
6
6
5
Figura 6. Recomendações Visualizadas e Solicitadas.
15
9
foram minerados no segundo. No segundo dia, coletaram-se
mais dados que foram minerados juntos com os dados do
primeiro dia, e assim sucessivamente. Verificou-se que os
dados
não
cresceram
na ocupação de
espaço
proporcionalmente ao número de dias minerado.
Foram identificadas mudanças de canais, calculado o tempo
de permanência no programa, registros e campos repetidos
foram deletados. Assim os dados ficaram em conformidade
para a realização dos testes.
IV. RESULTADOS
100
Os testes com o algoritmo Apriori do software weka
constataram que este algoritmo pode ser adotado para o
sistema, pois se adéqua às necessidades da proposta.
A partir das regras geradas pelo Apriori, recomendações
foram simuladas e, foi possível averiguar se o usuário estava
assistindo às recomendações simuladas por estas regras.
Utilizou-se a seguinte fórmula para calcular a precisão:
Precisão
80
60
40
20
(1)
0
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Dias
TABELA VII
RELAÇÃO PLANILHAS
Domicílio
Planilhas
Figura 7. Precisão do Sistema.
A Figura 8 apresenta os tamanhos dos arquivos gerados para
os 15 dias do domicílio 1.
12
10
8
KyloBytes
em que a é o número de recomendações visualizadas, b o
número de recomendações efetuadas e
a eficiência do
sistema.
Os resultados constatados pelas Figuras 6 e 7 são visíveis e
deixam claro que os testes foram satisfatórios para o período
avaliado. A Figura 6 apresenta a quantidade de recomendações
visualizadas e solicitadas pelo usuário do domicílio 1 durante
15 dias. Em média, por dia, o usuário visualizou 3
recomendações e solicitou aproximadamente 2. A Figura 7
mostra a precisão, atingindo em média aproximadamente 77%
de precisão durante os 15 dias.
Algo importante que também foi verificado é o tamanho dos
arquivos do histórico do usuário. Os testes foram iterativos e
acumulativos, isto é, coletaram-se dados no primeiro dia que
6
4
2
0
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Dias
1
30
2
44
Figura 8. Tamanho dos arquivos do histórico de visualização.
3
35
4
43
V. CONCLUSÕES
5
30
6
80
Total
262
O trabalho apresentado justifica-se pelo fato que a televisão
digital em celulares dá indícios de crescimento rápido pelo
mundo. Além disso, a possibilidade de assistir TV em
s
r

8. qualquer lugar e a qualquer hora em dispositivos portáteis
evidencia que a personalização torna-se fundamental para
solucionar algumas dificuldades geradas pela sobrecarga de
informação e também o tempo investido pelo usuário para
procurar programas de seu interesse.
O sistema de recomendação proposto foi modelado
considerando as características atuais dos dispositivos
portáteis e as situações de uso da televisão no celular, podendo
este modelo ser adequado para outros padrões e também, para
os novos dispositivos portáteis que surgirão no mercado.
Além disso, atentou-se em projetar o sistema de acordo com
as normas brasileiras estabelecidas para dispositivos portáteis,
devido particularmente, ao fato da inviabilidade atual de
desenvolver o sistema integrado a um middleware para
televisão digital portátil, possibilitando que o código
implementado possa ser futuramente portável com
modificações e atualizações minimizadas.
Como trabalho futuro, pretende-se incluir como parâmetros
para descoberta de preferências do usuário, a classificação
indicativa dos programas (faixa etária) e também a sinopse.
Com isto, uma gama muito maior de recomendações pode ser
fornecida ao usuário. No caso da sinopse, poderiam ser
descobertos, por exemplo, os artistas preferidos de filmes e
então recomendar filmes que tenham a participação deste
artista. Muitas outras preferências do usuário podem ser
descobertas pela sinopse do programa e nosso trabalho
pretende explorar estas opções.
AGRADECIMENTOS
Agradecemos ao IBOPE por fornecer os dados reais do guia
eletrônico de programação e também os dados de
comportamento dos telespectadores do período 0519/03/2008.
REFERÊNCIAS
[1]
[2]
[3]
[4]
[5]
[6]
[7]
Sistema Brasileiro de Televisão Digital. Disponível em:
http://sbtvd.cpqd.com.br/. Acesso em 03 de agosto de 2009.
Fórum do Sistema Brasileiro de Televisão Digital. Disponível em
http://www.forumsbtvd.org.br/. Acesso em 03 de agosto de 2009.
“Electronic Programme Guide. Protocol for a TV Guide using electronic
data transmission”. ETSI standard ETS 300 707 Disponível em:
http://webapp.etsi.org/workprogram/Report_WorkItem.asp?WKI_ID=38
83. Acesso em 05 de agosto de 2009.
“Televisão digital terrestre. Multiplexação e serviços de informação (SI)
parte 3. Sintaxes e definições de informação estendida do SI”. ABNT
Norma Brasileira 15603-3. Disponível em: http://www.forumsbtvd.org.b
r/materias.asp?id=112. Acesso em 05 de agosto de 2009.
“Service Information for Digital Broadcasting”. ARIB standard STDB10. Disponível em: http://www.dibeg.org/techp/techp.htm. Acesso em
06 de agosto de 2009.
Silva, Fábio Santos; Jucá, Paulyne Matthews. “Personalização de
Conteúdo Através de um Guia Eletrônico de Programação Personalizada
para a TV Digital”. WebMedia 2005: Simpósio Brasileiro de Sistemas
Multimídia e Web, Workshop de Televisão Digital Interativa. 2005.
Bär, Arian et al. “A Lightweight Mobile TV Recommender: Towards a
One-Click-to-Watch Experience”. In Proceedings 6th European
Interactive TV Conference, p.142-147, Salzburg, Áustria, 0304/07/2008.
[8] “Antenados assistem TV em qualquer lugar”. Disponível em:
http://www.forumsbtvd.org.br/materias.asp?id=131. Acesso em 10 de
agosto de 2009. Gazeta Mercantil/Caderno D - Pág. 3. 19/05/2009.
[9] “Publicidade móvel e TV digital são negócios em ascensão”. 30/07/2009.
Disponível em: http://sbtvd.cpqd.com.br/? obj=noticia&mtd=detalhe&q
=14942. Acesso em 10 de agosto de 2009.
[10] Middleware Ginga. Disponível em http://www.ginga.org.br/. Acesso em
06 de agosto de 2009.
[11] Comunidade do middleware Ginga no portal do software público.
Disponível em: http://www.softwarepublico.gov.br/dotlrn/clus/ginga.
Acesso em 07 de agosto de 2009.
[12] Ginga-NCL. Disponível em: http://www.gingancl.org.br/. Acesso em 07
de agosto de 2009.
[13] Ginga-J. Disponível em: http://www.openginga.org/index.html. Acesso
em 08 de agosto de 2009.
[14] Nested Context Language, NCL. Disponível em: http://www.ncl.org.br/.
Acesso em 08 de agosto de 2009.
[15] Hsu, S. H., Wen, M. H., Lin, H. C., Lee, C. C. and Lee, C. H.: AIMED,
“A personalized TV Recommendation System. In Proceedings of the
Interactive TV: A Shared Experience", pages 166-174, Vol 4471,
Springer Berlin / Heidelberg, 2007.
[16] Zhiwen, Y., Xingshe, Z., Yanbin, H. and Jianhua, G. “TV program
recommendation for multiple viewers based on user profile merging”. In
Proceedings of the User Modeling and User-Adapted Interaction, pages
63-82. Publishing Springer Netherlands, 2006.
[17] Zhang, H.; Zheng, S. Yuan J.: “A personalized TV guide system
compliant with MHP”. In: Consumer Electronics, IEEE Transactions on,
vol.51, no.2, pp. 731-737, 2005.
[18] Digital Video Broadcasting, DVB. Disponível em: http://www.dvb.org.
Acesso em 11 de agosto de 2009.
[19] Open Mobile Alliance, OMA-BCAST. Disponível em: http://www.open
mobilealliance.org/. Acesso em 12 de agosto de 2009.
[20] Solla, Alberto Gil et. al. ZapTV: Personalized User-Generated Content
for Handheld Devices in DVB-H Mobile Newtorks. In: Proceedings 6th
European Interactive TV Conference, p.193-203, Salzburg, Áustria, 0304/07/2008.
[21] TV-Anytime. Disponível em: http://www.tv-anytime.org/. Acesso em 13
de agosto de 2009.
[22] O'Reilly, Tim. “What Is Web 2.0. Design Patterns and Business Models
for the Next Generation of Software”. 09/30/2005. Disponível em:
http://oreilly.com/web2/archive/what-is-web-20.html. Acesso em 14 de
agosto de 2009.
[23] Web Semântica. Disponível em: http://www.w3.org/2001/sw/SWFAQ#What1. Acesso em 16 de agosto de 2009.
[24] Uribe, Silvia, et al. “Mobile TV Targeted Advertisement and Content
Personalization”. 16th International Workshop Conference on Systems,
Signals and Image Processing, Chalkida, Greece, 18-19/06/2009.
[25] Witten, I. H, Frank, Eibe. “Data mining : practical machine learning tools
and techniques”. Cap. 4, seção 4.5, pg. 112. Elsevier. 2nd ed. 2005.
[26] IBOPE. Disponível em: http://www.ibope.com.br. Acesso em 16 de
agosto de 2009.
[27] WEKA. Disponível em: http://www.cs.waikato.ac.nz/ml/weka/. Acesso
em 17 de agosto de 2009.
[28] “Televisão digital terrestre. Multiplexação e serviços de informação (SI)
parte 2. Estrutura de dados e definições da informação básica de SI”.
ABNT Norma Brasileira 15603-2. Disponível em: http://www.forumsbt
vd.org.br/materiais.asp?id=112. Acesso em 17 de agosto de 2009.