SINOPSE
O Cold-Start Problem surge em Sistemas de Recomendação quando novos itens ou usuários sem histórico de avaliações são introduzidos. A análise das situações em que esse problema ocorre revela que o histórico de navegação pode ser uma alternativa viável para gerar recomendações. O uso de Redes Neurais Recorrentes (RNN) é sugerido devido à sua capacidade de compreender sequências de dados e seu contexto.
A revisão sistemática realizada destaca as arquiteturas de LSTM, GRU e híbridas, frequentemente mencionadas nas pesquisas. No entanto, a falta de comparações entre essas arquiteturas limita a compreensão de suas vantagens e desvantagens. Este estudo visa preencher essa lacuna, avaliando a performance das arquiteturas através de protótipos e métricas como Acurácia, Revocação, Precisão e F1-Score.