Ferramentas de Recomendação
-
Upload
joao-alqueres -
Category
Documents
-
view
39 -
download
0
Transcript of Ferramentas de Recomendação
Ferramentas de Recomendação
Projeto Final de Curso
Aluno:
João Paulo Alquéres
Orientadora:
Rosa Maria Esteves Moreira da Costa Costa Departamento de Informática e Ciência da Computação
Instituto de Matemática e Estatística - CTC – UERJ
Introdução Ferramentas de Recomendação Um algoritmo para recomendação de filmes O Sistema Indic@ Conclusão Perspectivas Futuras
Agenda
Introdução Ferramentas de Recomendação Um algoritmo para recomendação de filmes O Sistema Indic@ Conclusão Perspectivas Futuras
Agenda
Surgimento na década de 90
Sobrecarga de Informação
A web 1.0 e a web 2.0.
Campo de conhecimento pouco explorado
Implementação muito discreta no Brasil
Introdução
Introdução Ferramentas de Recomendação Um algoritmo para recomendação de filmes O Sistema Indic@ Conclusão Perspectivas Futuras
Agenda
Objetivos
Endereçar a sobrecarga de Informação
Filtrar e compartilhar o conteúdo da WEB
Auxiliar na pesquisa
Direcionar ações de marketing e vendas
Ferramentas de Recomendação
Abordagens
Conteúdo X Colaboração
Item X Item (Conteúdo)
Usuário X Item (Colaborativa)
Abordagem Híbrida
Coleta de informação Ativa X Passiva
Ferramentas de Recomendação
Conteúdo: Análise baseada em pouca informação Recomendações muito específicas Usuários novos recebem
recomendações menos precisas
Limitações nas Abordagens
Colaboração: Matriz de notas Esparsa Ítens novos não tem notas suficientes para
serem recomendados Usuários novos recebem recomendações
menos precisas
Domínios de Aplicação
Notícias
Comércio-eletrônico
Navegação na Internet
Filmes
Artigos Acadêmicos
Musica
Ferramentas de Recomendação
Métricas
CoberturaMedir a quantidade de itens para os quais podem ser geradas recomendações no sistema.
Precisão
EstatísticaComparar valores obtidos pela interação do usuário com valores inferidos pelo sistema
Suporte à DecisãoMedir a eficiência do sistema em oferecer previsões úteis para o usuário.
Ferramentas de Recomendação
Implicações Sociais e Econômicas
Long Tail (Cris Anderson, 2006)
Privacidade
Ferramentas de Recomendação
Médio varejista Somente Instações físicas
Médio varejista Instações físicas e virtuais
Grande varejista Instações físicas e virtuais
Grande varejista Somente instalações virtuais$ $$$$$$$$$
$$$$$$$$$$$$$$$$$$
Implementações no Mundo X Brasil
MovieLens (filmes)
Pandora (música)
Last.fm (música)
Amazon (varejo)
Submarino (varejo)
Ferramentas de Recomendação
Introdução Ferramentas de Recomendação Um algoritmo para recomendação de filmes O Sistema Indic@ Conclusão Perspectivas Futuras
Agenda
Um Algoritmo para recomendação de filmes
Motivação A maoiria das abordagens
propostoas nos sistemas de recomendação em uso baseam-se em notas num escala que vai de 1 a 5.
Partindo do pressuposto de que o usuário não consegue inferir corretamente a nota que ele daria para um filme que viu, poderiam ser geradas recomendações imprecisas com base nestes dasdos, comprometendo assim a funcionalidade da ferramenta.
O desafio foi criar um algoritmo totalmente independente da inferência do usuário sobre as notas (com um sistema de pontuação passivo)
?
??
Um Algoritmo para recomendação de filmes
Na teoria, o funcionamento do algorítmo de recomendação pode ser apresentando da seguinte forma:
A
B
C
A1
A2
B1
B2
C1
R=B1-B2
Se um usuário se interessa por gêneros de filmes na mesma proporção que um outro usuário, então é possível inferir que filmes que não tenham sido vistos pelo primeiro mas que sejam conhecidos do segundo, sejam interessantes ao primeiro usuário.
A: usuáriosB: filmesC: gêneros
Um Algoritmo para recomendação de filmes
Na abordagem do algoritmo, são utilizados utilizados conceitos de algebra linear e estatística.
Introdução Ferramentas de Recomendação Um algoritmo para recomendação de filmes O Sistema Indic@ Conclusão Perspectivas Futuras
Agenda
O Sistema Indica
O sistema foi desenvolvido com o objetivo de prototipar o algoritmo proposto no trabalho.
Introdução Ferramentas de Recomendação Um algoritmo para recomendação de filmes O Sistema Indic@ Conclusão Perspectivas Futuras
Agenda
Conclusão
Ferramentas de Recomendação ajudam a lidar com o problema cada vez mais presente da sobrecarga de informação na WEB.
No escopo nacional, a implementação de ferramentas deste tipo se encontram em um estágio primário (de acordo com levantamento feito em sites especializados).
O problema central tratado pelas ferramentas de recomendação é etender como objetos em um grupo se inter-relacionam, e como estes se relacionam com seus portadores. Com 20 anos de existência, a pesquisa acadêmica na área ainda tem muitos desafios que ultrapassam os limites da ciência da computação e sugerem uma abordagem multidisciplinar envolvendo estatística, economia, ciências sociais e até psicologia.
Introdução Ferramentas de Recomendação Um algoritmo para recomendação de filmes O Sistema Indic@ Conclusão Perspectivas Futuras
Agenda
Perspectivas futuras
Ferramentas de recomendação estão cada vez mais se tornando necessárias para endereçar o problema da sobrecarga de informação.
Com o desenvolvimento das técnicas de inteligência artificial e da comunicação ubiqua, será possível monitorar as escolhas dos usuários em tempo real, 24 X 7 X 365 .
No escopo nacional a produção acadêmica ainda esta bastante tímida, o que abre espaço para o desenvolvimento deste interessante ramo de pesquisa.
Com o avanço da pesquisa na área de reconhecimento de som e vídeo, será possível também desenvolver abordagens baseadas no conteúdo não só escrito, mas também em aúdio e vídeo.
Bibliografia
Montaner, M et al. (2003) “A Taxonomy of Recommender Agents on the Internet”,
In: Artificial Intelligence Review, p.285-330 Reategui, E B; Cazella, S C (2005) “Sistemas de Recomendação”,
In: XXC Congresso da Sociedade Brasileira de Computação, p.306-340 Adomavicius, G; Tuzhilin, A (2005) “Towards the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions,
In: IEEE Transactions on Knowledge and Data Engineering, Vol.17, No.6, June 2005 p.734-749 O’Reilly, T (2006) “Web 2.0 Principles and Best Practices” Belkin, N; Croft, W (1992) “Information Filtering and information Retrieval: Two Sides of the Same Coin?”
In: Communications of the ACM December 1992 Vol. 35, No.12 p.29-38 Goldberg, D et al. (1992) “Using Collaborative Filtering to Weave na Information Tapestry”
In: Communications of the ACM December 1992 Vol. 35, No.12 p.61-70 Foltz, P; Dumais, S (1992) “Personalized Information Delivery: An Analysis of Information Filtering Methods”
In: Communications of the ACM December 1992 Vol. 35, No.12 p.51-60 Riedl et. al. (1999) “Combining Collaborative Filtering with Personal Agents for Better Recommendations”
GroupLens Research Project – University of Minnesota. Anderson, Cris (2006) “The Long Tail” In: Wired Magazine p.X-Y Melville, P. et al. (2002) “Content-Boosted Collaborative Filtering for Improved Recommendations” In: Proceedings of the Eighteenth National Conference
on Artificial Intelligence (AAAI-2002) p.187-192 July 2002 Bezerra, B.(2002) “Estudo de Algoritmos de Filtragem de Informação Baseados em Conteúdo”