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

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

JOAO PAULO ALQUERES

Pré: Um (autor) para muitos (leitores)Web 1.0: Poucos para muitosWeb 2.0: Muitos para muitos, multiplicação dos blogs, posts, folksonomies, wikis, fotolog, videolog, etc.Não só o e-mail e notícias são os objetivos da filtragem de informação. Aplicações mais rotineiras também incorporam a lista de domínios.

JOAO PAULO ALQUERES

Exige conhecimento multidisciplinar não só dos hábitos de consumo e interação com sistemas mais também do relacionamento entre os produtos.

JOAO PAULO ALQUERES

Os benefícios deste tipo de abordagem ainda não são amplamente explorados no Brasil, como já são nos EUA e EUROPA.


Agenda

Objetivos

Endereçar a sobrecarga de Informação

Filtrar e compartilhar o conteúdo da WEB

Auxiliar na pesquisa

Direcionar ações de marketing e vendas


Abordagens

Conteúdo X Colaboração

Item X Item (Conteúdo)

Usuário X Item (Colaborativa)

Abordagem Híbrida

Coleta de informação Ativa X Passiva


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

E-mail

Musica


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.


Implicações Sociais e Econômicas

Long Tail (Cris Anderson, 2006)

Privacidade


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)



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)

?

??


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


Na abordagem do algoritmo, são utilizados utilizados conceitos de algebra linear e estatística.


Agenda

O Sistema Indica

O sistema foi desenvolvido com o objetivo de prototipar o algoritmo proposto no trabalho.

O Sistema Indica

A lista de casos de uso e o diagramas de casos de uso do sistema.


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.


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.

Perguntas?

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”

Ferramentas de Recomendação

Documents

Transcript of Ferramentas de Recomendação