Recomendação de conteúdo baseada em interações multimodais

Recomendação de conteúdo baseada em interações multimodais

Arthur Fortes da Costa

Orientador:

Professor Dr. Marcelo Manzato

2

RoteiroIntrodução

Plano de PesquisaTrabalhos em Andamento


1. Introdução

Contextualização

Motivação

Objetivos

2. Plano de PesquisaProjeto

Arquitetura

Ferramentas Auxiliares

Resultados Esperados

3. Trabalhos em AndamentoProposta

Resultados

• As principais funções dos sistemas de recomendação são analisar os dados dos usuários e extrair informações úteis para futuras predições.

• Sistemas atuais:

- Diversos tipos de interações

- Maior processamento de dados

- Tempo Real

3

RoteiroIntrodução



ContextualizaçãoMotivaçãoObjetivo

Contextualização

Figura1. Exemplo de interações Twitter.

• Sistemas computacionais atualmente permitem que os usuários interajam dediversas maneiras

4

RoteiroIntrodução




Motivação

Figura2. Exemplo de interações em produto vendido na Amazon.

• Nessa linha de pesquisa, foram desenvolvidas inúmeras técnicas que utilizamdiferentes informações do usuário para construir seu perfil de interesses.

• A literatura apresenta uma lacuna em técnicas que unifiquem várias formasde interação do indivíduo em um único modelo.

5

RoteiroIntrodução




Motivação

• Este plano de pesquisa tem como objetivo desenvolver um modelo de recomendação com base em interações multimodais executadas pelo usuário ao acessar o sistema.

Módulo capaz de processar vários tipo de interação:

Indicar inferências positivas ou

negativas do usuário sobre o conteúdo.

6

RoteiroIntrodução




Objetivo

• Nosso plano visa a exploração de tais problemas, utilizando-se dos sistemas existentes, para o desenvolvimento de um módulo capaz de originar um sistema baseado em interações multimodais.

• Otimizar e solucionar parte dos problemas aqui citados e contribuir para as demais áreas correlacionadas.

7

RoteiroIntrodução



Projeto

Projeto

Arquitetura



8

RoteiroIntrodução


Projeto

Arquitetura



Arquitetura

Figura 3. Arquitetura Atualizada do Modelo Proposto

9

RoteiroIntrodução




• Bases de Dados

- Last.fm

- MovieLens (10M)

- HetRec

• Ferramentas de Recomendação

- MyMediaLite / Crab / LensKit

• Avaliação de Resultados

- 10-fold cross validation/ All But One (Live One Out)

- MAE e RMSE

- MAP@10, Prec@10 e F1

- Estudo estatísticos: T-student (p < 0.05)

Projeto

Arquitetura



10

RoteiroIntrodução




Dentre os resultados do presente projeto, destacam-se:

• Um sistema capaz de indicar de listas de recomendação de itens mais

aproximadas as preferências dos usuários.

• Representação mais precisa das preferências do usuário.

• Redução de problemas conhecidos na área de sistemas de recomendação:

- Partida Fria

- Ovelha Negra

- Super Especialização

Projeto

Arquitetura



11

RoteiroIntrodução


Proposta

Resultados

Proposta

• Desenvolvimento de um modelo capaz de processar:

- Interações Explicitas (Notas atribuídas por usuários)

- Interações Implícitas (Se atribuiu ou não Tags a um item e histórico de navegação)

• Algoritmos existentes para processar os dados: (MyMediaLite)

- BPRMF

- SVD++ / Fatoração de Matrizes

• Processar os resultados obtidos atribuindo pesos às interações com resultados mais

relevantes.

• Gerar um rank unificado para o usuário.

12

RoteiroIntrodução


Proposta

Resultados

Modelo


• Trabalho inicial submetido à WIC 2014.

13

RoteiroIntrodução


Proposta

Resultados

Modelo


• Trabalho submetido ao BRACIS 2014.

14

RoteiroIntrodução


Proposta

Resultados

Modelo


• Trabalho submetido ao Webmedia 2014/ Atual arquitetura do projeto.

15

RoteiroIntrodução


Proposta

Resultados

Modelo


• Trabalho submetido ao Webmedia 2014/ Atual arquitetura do projeto.

16

RoteiroIntrodução


Proposta

Resultados

Modelo (Resultados de Precisão)

17

RoteiroIntrodução


Proposta

Resultados

ModeloModelo (Resultados de MAP)

18

RoteiroIntrodução


Proposta

Resultados

Diretrizes


• Utilizar outras técnicas de ensemble learning para unificar os rankings (Stacking,

técnicas não lineares, etc;)

• Utilizar novos algoritmos para processar os dados - BPRMF

• Processar novos tipos de interações.


Arthur Fortes da Costa

[email protected]

Orientador:

Professor Dr. Marcelo Manzato

[email protected]

Recomendação de conteúdo baseada em interações multimodais

Documents

Transcript of Recomendação de conteúdo baseada em interações multimodais