0
Sistemas de
Recomendação                     Uma abordagem geral


                          Gabriel Benz
                ...
antes...
Friday, October 1, 2010
atualmente...

Friday, October 1, 2010
estamos sobrecarregados
                  de informações




Friday, October 1, 2010
muitas vezes inúteis




Friday, October 1, 2010
às vezes
    procuramos
       isso...


Friday, October 1, 2010
e encontramos isso!




Friday, October 1, 2010
Friday, October 1, 2010
google?




Friday, October 1, 2010
google?




     midias sociais?


Friday, October 1, 2010
eeeeuuuu...

                    google?




     midias sociais?


Friday, October 1, 2010
Sistemas de Recomendação
Friday, October 1, 2010
Friday, October 1, 2010
histórico de uso do sistema
               +
histórico de usuários parecidos

Friday, October 1, 2010
Inteligência Coletiva!

 histórico de uso do sistema
               +
histórico de usuários parecidos

Friday, October 1, ...
•        Filtragem Colaborativa



       •        Filtragem Baseada em Conteúdo

       • Sistemas Híbridos

Friday, Octo...
usuário-a-usuário


       •        Filtragem Colaborativa



       •        Filtragem Baseada em Conteúdo

       • Sist...
usuário-a-usuário


       •        Filtragem Colaborativa
                                              item-a-item



  ...
FC: Usuário-a-usuário




Friday, October 1, 2010
FC: Usuário-a-usuário

            Muitas pessoas gostaram de um produto X.




Friday, October 1, 2010
FC: Usuário-a-usuário

            Muitas pessoas gostaram de um produto X.

            Selecionar usuários que tem gosto...
FC: Usuário-a-usuário

            Muitas pessoas gostaram de um produto X.

            Selecionar usuários que tem gosto...
FC: Item-a-item




Friday, October 1, 2010
FC: Item-a-item

             Gostei do produto Z.




Friday, October 1, 2010
FC: Item-a-item

             Gostei do produto Z.

             Selecionar produtos similares ao produto Z.




Friday, O...
FC: Item-a-item

             Gostei do produto Z.

             Selecionar produtos similares ao produto Z.

            ...
Problemas:


         Cold Start       Gray sheep   Early rater




Friday, October 1, 2010
Baseada em Conteúdo:




Friday, October 1, 2010
Baseada em Conteúdo:

        Produtos similares aos comprados pelo usuário




Friday, October 1, 2010
Baseada em Conteúdo:

        Produtos similares aos comprados pelo usuário


       Classes compatíveis




Friday, Octob...
Baseada em Conteúdo:

        Produtos similares aos comprados pelo usuário
                                Filmes do mesm...
Baseada em Conteúdo:

        Produtos similares aos comprados pelo usuário
                                   Filmes do m...
Problemas:
                Cold Start

                Super-especialização

                 Qualidade do histórico




F...
Sistemas Híbridos:




Friday, October 1, 2010
Sistemas Híbridos:
                          combinam as
                          duas técnicas




Friday, October 1, 20...
Sistemas Híbridos:
                                                 combinam as
                                          ...
Sistemas Híbridos:
                                                 combinam as
                                          ...
Sistemas Híbridos:
                                                 combinam as
                                          ...
Friday, October 1, 2010
o segredo é...




Friday, October 1, 2010
o segredo é... 42




Friday, October 1, 2010
o segredo é... 42




Friday, October 1, 2010
o segredo é... 42

 FINE TUNNING!



Friday, October 1, 2010
Amazon:     ~ 25% das vendas!



             Netflix:      ~ 60% dos videos!


             Google News:       ~ 35% de cl...
Desafios




Friday, October 1, 2010
Relevância temporal

                               O que recomendar?

                          Quando recomendar?
Friday...
Transparência




  Melhorar o sistema com
   os feedbacks obtidos
Friday, October 1, 2010
Dúvidas?




Friday, October 1, 2010
Referências
    http://www.tuilux.com.br/blog/tag/sistemas-de-recomendacao/


    http://www.ime.usp.br/~cef/mac499-07/mon...
Sistemas de
Recomendação                     Uma abordagem geral


                          Gabriel Benz
                ...
Upcoming SlideShare
Loading in...5
×

Sistemas de Recomendação

841

Published on

Palestra apresentada em 29/09/2010 - Giran Siege.

0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
841
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
45
Comments
0
Likes
3
Embeds 0
No embeds

No notes for slide

Transcript of "Sistemas de Recomendação"

  1. 1. Sistemas de Recomendação Uma abordagem geral Gabriel Benz gabriel.benz@giran.com.br gabrielbenz.com @glbenz Friday, October 1, 2010
  2. 2. antes... Friday, October 1, 2010
  3. 3. atualmente... Friday, October 1, 2010
  4. 4. estamos sobrecarregados de informações Friday, October 1, 2010
  5. 5. muitas vezes inúteis Friday, October 1, 2010
  6. 6. às vezes procuramos isso... Friday, October 1, 2010
  7. 7. e encontramos isso! Friday, October 1, 2010
  8. 8. Friday, October 1, 2010
  9. 9. google? Friday, October 1, 2010
  10. 10. google? midias sociais? Friday, October 1, 2010
  11. 11. eeeeuuuu... google? midias sociais? Friday, October 1, 2010
  12. 12. Sistemas de Recomendação Friday, October 1, 2010
  13. 13. Friday, October 1, 2010
  14. 14. histórico de uso do sistema + histórico de usuários parecidos Friday, October 1, 2010
  15. 15. Inteligência Coletiva! histórico de uso do sistema + histórico de usuários parecidos Friday, October 1, 2010
  16. 16. • Filtragem Colaborativa • Filtragem Baseada em Conteúdo • Sistemas Híbridos Friday, October 1, 2010
  17. 17. usuário-a-usuário • Filtragem Colaborativa • Filtragem Baseada em Conteúdo • Sistemas Híbridos Friday, October 1, 2010
  18. 18. usuário-a-usuário • Filtragem Colaborativa item-a-item • Filtragem Baseada em Conteúdo • Sistemas Híbridos Friday, October 1, 2010
  19. 19. FC: Usuário-a-usuário Friday, October 1, 2010
  20. 20. FC: Usuário-a-usuário Muitas pessoas gostaram de um produto X. Friday, October 1, 2010
  21. 21. FC: Usuário-a-usuário Muitas pessoas gostaram de um produto X. Selecionar usuários que tem gosto parecido. Friday, October 1, 2010
  22. 22. FC: Usuário-a-usuário Muitas pessoas gostaram de um produto X. Selecionar usuários que tem gosto parecido. Você deve gostar do produto X pois pessoas com gosto parecido com o seu gostaram. Friday, October 1, 2010
  23. 23. FC: Item-a-item Friday, October 1, 2010
  24. 24. FC: Item-a-item Gostei do produto Z. Friday, October 1, 2010
  25. 25. FC: Item-a-item Gostei do produto Z. Selecionar produtos similares ao produto Z. Friday, October 1, 2010
  26. 26. FC: Item-a-item Gostei do produto Z. Selecionar produtos similares ao produto Z. Você deve gostar do produto Y pois ele é similar a um produto que você gostou. Friday, October 1, 2010
  27. 27. Problemas: Cold Start Gray sheep Early rater Friday, October 1, 2010
  28. 28. Baseada em Conteúdo: Friday, October 1, 2010
  29. 29. Baseada em Conteúdo: Produtos similares aos comprados pelo usuário Friday, October 1, 2010
  30. 30. Baseada em Conteúdo: Produtos similares aos comprados pelo usuário Classes compatíveis Friday, October 1, 2010
  31. 31. Baseada em Conteúdo: Produtos similares aos comprados pelo usuário Filmes do mesmo gênero Classes compatíveis Vinho da mesma uva Friday, October 1, 2010
  32. 32. Baseada em Conteúdo: Produtos similares aos comprados pelo usuário Filmes do mesmo gênero Classes compatíveis Vinho da mesma uva Filtragem baseia-se na análise do conteúdo do item e no perfil do usuário Friday, October 1, 2010
  33. 33. Problemas: Cold Start Super-especialização Qualidade do histórico Friday, October 1, 2010
  34. 34. Sistemas Híbridos: Friday, October 1, 2010
  35. 35. Sistemas Híbridos: combinam as duas técnicas Friday, October 1, 2010
  36. 36. Sistemas Híbridos: combinam as duas técnicas FC: experiência de outros usuários Friday, October 1, 2010
  37. 37. Sistemas Híbridos: combinam as duas técnicas FC: experiência de outros usuários BC: itens não vistos por outros usuários Friday, October 1, 2010
  38. 38. Sistemas Híbridos: combinam as duas técnicas FC: experiência de outros usuários BC: itens não vistos por outros usuários É possível recomendar bons itens a um usuário mesmo que não haja usuários semelhantes a ele. Friday, October 1, 2010
  39. 39. Friday, October 1, 2010
  40. 40. o segredo é... Friday, October 1, 2010
  41. 41. o segredo é... 42 Friday, October 1, 2010
  42. 42. o segredo é... 42 Friday, October 1, 2010
  43. 43. o segredo é... 42 FINE TUNNING! Friday, October 1, 2010
  44. 44. Amazon: ~ 25% das vendas! Netflix: ~ 60% dos videos! Google News: ~ 35% de clicks! Friday, October 1, 2010
  45. 45. Desafios Friday, October 1, 2010
  46. 46. Relevância temporal O que recomendar? Quando recomendar? Friday, October 1, 2010
  47. 47. Transparência Melhorar o sistema com os feedbacks obtidos Friday, October 1, 2010
  48. 48. Dúvidas? Friday, October 1, 2010
  49. 49. Referências http://www.tuilux.com.br/blog/tag/sistemas-de-recomendacao/ http://www.ime.usp.br/~cef/mac499-07/monografias/rec/allan-renato-sidney-victor/ http://kessia.blogs.unipar.br/files/2008/07/sistemas-de-recomendacao.pdf http://www.slideshare.net/mdeiters/you-might-also-like-implementing-user-recommendations-in-rails http://www.slideshare.net/T212/recommender-systems-1311490 Friday, October 1, 2010
  50. 50. Sistemas de Recomendação Uma abordagem geral Gabriel Benz gabriel.benz@giran.com.br gabrielbenz.com @glbenz Friday, October 1, 2010
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×