Sistemas de Recomendação na web
Upcoming SlideShare
Loading in...5
×
 

Sistemas de Recomendação na web

on

  • 1,475 views

Apresentação realizada na SECOMP (Semana de Computação) 2011 da Universidade Federal de Sergipe. Breve introdução sobre os conceitos de Sistema de Recomendação com foco nas maiores empresas ...

Apresentação realizada na SECOMP (Semana de Computação) 2011 da Universidade Federal de Sergipe. Breve introdução sobre os conceitos de Sistema de Recomendação com foco nas maiores empresas que utilizam na web.

Statistics

Views

Total Views
1,475
Views on SlideShare
1,475
Embed Views
0

Actions

Likes
0
Downloads
14
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Sistemas de Recomendação na web Sistemas de Recomendação na web Presentation Transcript

  • PalestraSistemas de Recomendação na Web Lucas Augusto Carvalho @lucasaugustomcc Aracaju, 06 de outubro de 2011
  • Sobre mim Graduado na UFS (2009) Iniciação científica (Interação com Voz na TV Digital) Mestrando em Inteligência Artificial (Sistema de Recomendação) Sócio – Fundador do Alguns Trocados (Compra Coletiva)● Interesses: ● Usabilidade, Aplicações Sociais, PHP, Python, Mineração de Dados, Sistema de Recomendação, Marketing Digital.● Onde me encontrar: www.linkedin.com/in/lucasaugustomcc www.slideshare.com/lucasaugustomcc @lucasaugustomcc
  • Tomada de Decisão● Como você escolheu essa palestra para assistir?
  • Definição “Utilizando a opinião de uma comunidade de usuários para ajudar indivíduos naquela comunidade a identificar mais efetivamente conteúdos de interesse de um potencial conjunto enorme de escolhas.”Resnick & Varian (1997). Recommender Systems, Comunication of the ACM,40(3).
  • Definição “Qualquer sistema que produza recomendações personalizadas como saída ou tenha o efeito de guiar o usuário em uma maneira personalizada para objetos interessantes ou úteis em um grande espaço de possibilidades.”Burke R. (2002). Hybrid Recommender Systems: Survey and Experiments,User Modeling & User Adapted Interaction, 12, pp. 331-370.
  • Tomada de Decisão● Excesso de informação / opções● Necessidade de conhecimento prévio● Personalização
  • História ● Recomendação boca a boca ● Filtragem Colaborativa
  • O que pode ser recomendado? profissionais contatos em redes sociais músicasvagas de emprego futuras namoradas filmes livros tags comunidades produtos artigos aplicativos cursos serviços passeios turísticos restaurantes programas de TV anúncios links
  • Quem recomenda?
  • Exemplo
  • Exemplo
  • Exemplo
  • Exemplo
  • Exemplo
  • Funcionamento● Perfil● Avaliação ● Implícita (ex.: cliques e compras) ● Explícita (ex.: escala 1 a 5)● Recomendação● Atualização do perfil + histórico
  • Abordagens● Colaborativo ● Agrega avaliação dos usuários e gera recomendações baseada na similaridade inter- usuários.● Baseado em conteúdo ● O perfil do usuário é contruído a partir das características dos itens avaliados pelo usuário. Este perfil é utilizado para identificar novos itens interessantes para o usuário (combinando com seu perfil)● Demográfico ● Categoriza os usuários baseado em atributos pessoais (ex.: idade, localidade, sexo...) e gera recomendações baseada em classes demográficas.● Baseado em conhecimento ● Computa a utilidade de cada item para o usuário e suas necessidades.● Híbrido ● Combina várias abordagens.
  • Funcionamento● Recomendação Colaborativa Filme A Filme B Filme C ??? ?? Você Pessoa 1 Pessoa 2 Pessoa 3
  • Funcionamento● Recomendação Colaborativa Filme A Filme B Filme C r da en com re Você Pessoa 1 Pessoa 2 Pessoa 3 similar
  • Funcionamento● Recomendação baseada em conteúdo similar Filme A Filme B Filme C recomenda gosta Você
  • Exemplos
  • Exemplos
  • Exemplos
  • Exemplos
  • Exemplos
  • Exemplos
  • Exemplos
  • Exemploscom explicação!
  • Exemplos
  • Exemplos
  • Exemplos
  • Exemplos
  • A Cauda Longa “We are leaving the age of information and entering the age of recommendation”Cris Anderson (2004), editor Wired Magazine
  • Benefícios ● 60% das visualizações da Netflix são resultado da recomendação personalizada. ● 35% da venda de produtos da Amazon são resultados de recomendações
  • Problemas● Alguns dos problemas mais citados: ● Cold-start ● Baseado em conteúdo – Novo Usuário – Características do item ● Colaborativo – Novo Item – Esparcidade dos dados (Sparcity)
  • Estado da Arte ● Recomendação Sensível ao Contexto ● Recomendação para Grupos ● Recomendação + Computação Afetiva (emoção e personalidade)
  • Bases para Teste http://www.grouplens.org/node/73 http://code.richrelevance.com/reclab/
  • E no Brasil?
  • E no Brasil?
  • ConcursosUS$ 1 milhão em premiação
  • Futuro● +1 Google
  • Pesquisas● recsys.acm.org
  • Recomendação de Itens ● Livros Possuem capítulo dedicado a RecSys:Toby Segaran, Programming Satnam Alag, Collective Haralambos Marmanis, DmitryCollective Intelligence, OReilly, Intelligence in Action, Manning Babenko. Algorithms of the2007 Publications, 2009 Intelligent Web, Manning, 2009
  • Recomendação de Itens● Livros Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B. Kantor. Recommender Systems Handbook. Springer, 2011.
  • Recomendação de Itens● PalestraPessoas que assistiram esta palestra, também assistirão: – Sistemas de Recomendação - Apresentando a Inteligência Coletiva ● A palestra foca em apresentar sistemas de recomendação e sua aplicabilidade em diversos nichos. Também sera apresentado o framework Crab em desenvolvimento para construção de sistemas de recomendação em Python. O mesmo já se encontra em funcionamento em redes sociais como atepassar.com, socialcats.com.br – Sábado, 15:30 – 16:30h – Palestrante: Marcel Caraciolo
  • Dúvidas?“We are leaving the age of information and enteringthe age of recommendation”.Cris Anderson (2004), editor da Wired Magazine Avalie esta palestra: