Sistemas de Recomendação

Sistemas de Recomendação

Fausto Jose Feitosa Barbosa Gominho (fjfbg)Vinícius Cezar Monteiro de Lira (vcml)

1

Roteiro

• Introdução• Coleta de Informações• Estratégias de Recomendação• Técnicas de Recomendação• Aplicações• Conclusão

2

INTRODUÇÃO 3

Introdução• Com a quantidade de informações e com a disponibilidade

facilitada das mesmas pelo acesso a Internet, as pessoas se deparam com uma diversidade muito grande de opções.

• Muitas vezes um indivíduo possui pouca ou quase nenhuma experiência pessoal para realizar escolhas dentre várias alternativas que lhe são apresentadas.

Como proceder nestes casos?

• Confiando nas recomendações que são passadas por outras pessoas.• forma direta (word of mouth)• textos de recomendação

4

Introdução

• Os Sistemas de Recomendação auxiliam no aumento da capacidade e eficácia do processo de indicação já bastante conhecido na relação social.

• Segundo Burke um Sistema de Recomendação é qualquer sistema que produza recomendações individualizada, ou que guie o usuário de forma a apresentar conteúdo do seu interesse dentre uma variedade de opções.

5

Introdução

• O projeto Tapestry• Utilizava opiniões de pessoas de uma comunidade pequena (e.g.

escritório ou grupo de trabalho) para encontrar recomendações.• Filtragem Colaborativa

• Resnick defendeu o termo “sistemas de recomendação” como terminologia mais genérica do que filtragem colaborativa, já que sistemas de recomendação podem existir sem nenhuma colaboração entre as pessoas.

6

Quem usa?

7

COLETA DE INFORMAÇÕES 8

Coleta de Informação

• Para que se posa recomendar itens a um usuário, é necessário se ter conhecimento sobre quem é o usuário.

• É necessário capturar e armazenar seus dados pessoais e comportamentais.

• Duas das formas mais usuais de identificação:• Identificação no servidor• Identificação no cliente

9

Identificação no servidor

10

Identificação no cliente

11

• Utiliza cookies para identificar a máquina.• Menos confiável


• Depois de identificar o usuário, é possível coletar dados sobre este de forma explícita ou implícita.

• Explícita (customização)• O usuário indica espontaneamente o que lhe é importante.

• Implícita• O sistema infere as necessidades e preferências do usuário

através de suas ações.

12


• Explícita (customização)

13

Usuário Serviços desejados

[email protected] Gastronomia

[email protected] Turismo

mailto:[email protected]



• Implícita

14

Usuário Item Categoria Data Acesso

[email protected] A001 Gastronomia 10/10/2012

[email protected] B023 Turismo 10/10/2012

[email protected] D005 Gastronomia 14/10/2012




ESTRATÉGIAS DE RECOMENDAÇÃO 15

Estratégias de Recomendação

• Os principais objetivos do sistemas de recomendação são a fidelidade e consequentemente o aumento do lucro.

• As estratégias mais utilizadas são:• Listas de recomendação• Reputação do produto• Suas recomendações• Recomendação por associação• Associação por conteúdo

16

Lista de Recomendação

• Mantêm listas de itens organizados por tipos de interesses.

17

Reputação do Produto

• Além de comprar um produto o usuário ainda o avalia.• É preciso que haja veracidade das opiniões fornecidas.

18

Suas Recomendações

• A lista de itens é inteiramente dedicada ao usuário.

19

Recomendação por Associação

• Usuários que se interessaram por X também se interessaram por Y.• Forma mais complexa de recomendação• Analisa os hábitos do usuário para a identificação de padrões.

20

Associação por Conteúdo

• As recomendações são feitas a partir do conteúdo de determinado item, por exemplo um autor, um compositor, um editor, etc

21

TÉCNICAS DE RECOMENDAÇÃO 22

Formalização do Problema• Seja C o conjunto de todos os usuários de um determinado

sistema• Cada elemento de C é definido através de um profile;

• Seja S o conjunto de todos os possíveis itens que podem ser recomendados• Cada item do espaço S pode ser definido por um conjunto de

características

• Seja u a função utilidade que mede o quão útil é um determinado item s para um determinado usuário c• u:C x S → R• Onde R é um conjunto totalmente ordenado• Geralmente a utilidade é definida através de avaliações

23

Formalização do Problema

• Então, para cada usuário c C∈ , procura-se um item s' ∈S que maximiza a utilidade do usuário.• ∀ c C, s' = argmax∈ s S∈ u(c,s)

• Geralmente a utilidade é definida através de avaliações.• São definidas apenas nos itens previamente avaliados pelos

usuários

• A utilidade u geralmente não é definida em todo o espaço C x S.• Problema central dos sistemas de recomendação 24

Formalização do Problema• Assim o algoritmo de recomendação deve: • Ser capaz de estimar (predizer) as avaliações não realizadas para

os pares usuário-item.• Fazer recomendações apropriadas baseadas nestas predições.

• Os sistemas de recomendação são classificados de acordo com o método de predição utilizado:• Filtragem Baseada em Conteúdo. • Filtragem Colaborativa.• Filtragem Híbridos.

25

Filtragem Baseada em Conteúdo

• Recomenda ao usuário itens que sejam semelhantes ao que ele preferiu no passado.

• A recomendação é feita a partir de tags "descritoras" de itens.

• Baseada na similaridade dos itens.

• É a abordagem mais simples.

26


• Funcionamento:

27

X-men

Titanic

O Exorcista

Os Vingadores

Gostei

RecomendadoUsuário Atual


• Desvantagens:

• Cálculo da similaridade

• Definição das características dos itens

• Super Especialização• Não proporciona apresentação de conteúdo novo ao usuário

• Efeito Portfólio• Podem oferecer recomendações repetitivas

28

Filtragem Colaborativa

• Consiste na recomendação de itens que pessoas com gosto semelhante preferiram no passado.

• Relevância da recomendação é obtida pelo grau de similaridade com outros usuários.

• Análise de vizinhança

• Não exige a extração de características dos itens.

29


• Funcionamento:

30

Maria João Catarina

Filme M Filme N Filme O Filme P

Similares

Gosta:Filme AFilme BFilme C

Gosta:Filme AFilme BFilme C

Gosta:Filme FFilme GFilme H


• Exemplo:• Recomendar um produto ao usuário Mauro:

31Os produtos Prod1e Prod5 seriam recomendados a Mauro.


• Desvantagens:

• Um novo item nunca é recomendado até que um usuário o avalie

• Um usuário exótico terá dificuldades para encontrar outros usuários com gostos similares.

• Necessita de uma vasta base de dados. Caso o numero de usuários seja pequeno em relação ao numero de itens, causará problema.

• O problema do avaliador. 32

Filtragem Híbrida

• Consiste em combinar as duas abordagens mencionadas tentando fortificá-las e superar suas desvantagens.

• O mais comum é combinar a filtragem colaborativa com outras técnicas.

• Vantagens:• Recomendação de itens diretamente relacionado ao histórico• Bons resultados para usuários incomuns• Precisão independente do número de usuários

33

APLICAÇÕES 34

• Comércio Eletrônico• Recomendação de produtos e serviços

• Educação e Científica• Recomendação de artigos e cursos

• Turismo• Recomendação de viagens e pontos turísticos

• Saúde• Recomendação de tratamentos

• Rede Social• Recomendação de casais e amigos

• Marketing• Propaganda eletrônica

Áreas de Aplicações

35

CineDica

36

• Sistema de recomendação para filmes e seriados

• Informações de Profile

• Marcar inicialmente filmes que gostou

CineDica

37

Last.fm

38

• Sistema de recomendação para músicas

• A Last.fm permite que você mantenha um registro do que ouve* em qualquer player.

• Com base no seu gosto musical, a Last.fm lhe recomendará mais músicas e shows.

• Utilização de filtragem por conteúdo

Last.fm

39

Youtube

40

• YouTube:

• Sugestão de vídeos.

• Lista de recomendação.

• Associação de conteúdo.

Amazon

41

• Inicialmente, era uma livraria online. Atualmente, é a

maior empresa de comércio eletrônico dos EUA.

• Realiza grandes investimentos em recomendação,

possuindo uma abordagem híbrida.

• Cerca de 38% de suas vendas provêm de suas sugestões.

Amazon

42

• Avaliações dos usuários

Amazon

43

• Sugestão de itens que o usuário possa querer comprar.

• Lista de recomendação.• Usuários que se interessam por “X” também se

interessam por “Y.”

TENDÊNCIAS E CONCLUSÃO 44

Tendências

• A tendência é Intensificar o uso de características comportamentais em sistemas de recomendação.

• Web Semântica• Os computadores poderem entender o significado da informação.• Eles poderão aprender sobre o que estamos interessados e nos

ajudar a encontrar o que realmente queremos.

45

Conclusão

• Nós estamos sobrecarregados de informação, grande partes dessas informações não são uteis para nossas necessidades.

• Os sistemas de recomendação atuam de forma a sugerir algo de interesse ao usuário.

• Aumentam a qualidade no serviço prestado em vários segmentos:• Auxiliam clientes na busca de produtos que ele desejaria comprar• Melhoram a venda cruzada de produtos (compras adicionais)

46

Referências

• Cazella, Sílvio César , Maria Augusta S. N. Nunes, e Eliseo Berni Reategui. “A Ciência da Opinião: Estado da arte em Sistemas de Recomendação.” s.d. http://200.17.141.213/~gutanunes/hp/publications/JAI4.pdf (acesso em 15 de 10 de 2012).

• Reategui, Eliseo Berni, e Sílvio César Cazella. XXV Congresso da Sociedade Brasileira de Computação - Sistemas de Recomendação. s.d. http://200.169.53.89/download/cd%20congressos/2005/SBC%202005/pdf/arq0287.pdf (acesso em 15 de 10 de 2012). 47

Referências

• Souza, Renata Ghisloti Duarte. “Aplicando Sistemas de Recomendação em Situações Práticas.” s.d. http://www.ibm.com/developerworks/br/local/data/sistemas_recomendacao/index.html (acesso em 11 de 10 de 2012).

• Caraciolo, Marcel Pinheiro – Sistema de Recomendação Personalizando sua experiência de compra. s.d. http://www.slideshare.net/marcelcaraciolo/sistemas-de-recomendao-e-inteligncia-coletiva (acesso em 14 de 10 de 2012).

48

OBRIGADOFausto Jose Feitosa Barbosa GominhoVinícius Cezar Monteiro de Lira

49

Sistemas de Recomendação

Documents

Transcript of Sistemas de Recomendação