Sistemas Recomendação em Redes Sociais
Upcoming SlideShare
Loading in...5
×
 

Sistemas Recomendação em Redes Sociais

on

  • 2,176 views

 

Statistics

Views

Total Views
2,176
Views on SlideShare
2,176
Embed Views
0

Actions

Likes
1
Downloads
22
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 Recomendação em Redes Sociais Sistemas Recomendação em Redes Sociais Presentation Transcript

  • SISTEMAS  DE  RECOMENDAÇÃO   EM  REDES  SOCIAIS   Natã  Venâncio,  Savyo  Nóbrega  
  • Agenda  •  Contextualização   –  Redes  Sociais   –  Sistemas  de  Recomendação  (SRs)  •  Técnicas  de  Sistemas  de  Recomendação  •  SR  baseado  na  similaridade  de  perfis  do  Twi@er  •  Recomendação  de  tags  •  Sistemas  de  Recomendação  em  Redes  Socais   –  Google  +1   –  Amigos  DINS  •  Considerações  Finais   CST  2011  –  Sistemas  de  Recomendação   2   em  Redes  Sociais  
  • Redes  Sociais  •  Grupo  de  pessoas  que  tem  algum  nível  de  relação   ou  interesse  mútuo. (Dennis  Altermann)  •  ComparQlhamento  de  informações.  •  Alto  crescimento.   CST  2011  –  Sistemas  de  Recomendação   3   em  Redes  Sociais   View slide
  • Redes  Sociais  •  Facebook   –  590  milhões  de  visitantes  únicos  por  mês   –  38,5%  da  Internet  usa  o  Facebook   –  300  milhões  de  pessoas  acessam  diariamente   –  Cada  usuário  fica  em  média  25  minutos  no  site   –  700  bilhões  de  minutos  no  total   Dados:  DoubleClick  ad  planner   CST  2011  –  Sistemas  de  Recomendação   4   em  Redes  Sociais   View slide
  • Sistemas  de  Recomendação  •  Surgimento:   –  Aumento  da  quanQdade  de  informação  a  que  o  usuário  tem  acesso.   –  Crescente  mudança  no  paradigma  da  Web  social  baseado  no  usuário.   Consumidor  da  informação   AQvo  produtor  de  conhecimento  •  ObjeQvo:  reduzir  a  sobrecarga  de  informação  da  Web  por   meio  da  seleção  de  conteúdo  baseada  em  preferências  do   usuário.   CST  2011  –  Sistemas  de  Recomendação   5   em  Redes  Sociais  
  • Sistemas  de  Recomendação  •  Três  categorias:   –  Abordagem  baseada  em  conteúdo     CST  2011  –  Sistemas  de  Recomendação   6   em  Redes  Sociais  
  • Sistemas  de  Recomendação  •  Três  categorias:   –  Abordagem  colaboraQva     –  Abordagens  híbridas   CST  2011  –  Sistemas  de  Recomendação   7   em  Redes  Sociais  
  • Sistemas  de  Recomendação  •  Problema:   –  EsQmação  e  forma  das  respostas  do  usuário   CST  2011  –  Sistemas  de  Recomendação   8   em  Redes  Sociais  
  • Técnicas  de  Sistemas  de   Recomendação   CST  2011  –  Sistemas  de  Recomendação  em   9   Redes  Sociais    
  • Filtragem  baseada  em  conteúdo  (FBC)  •  Base:   Comparar  conteúdo  dos  itens  de  forma  a  recomendar   itens  semelhantes  aos  que  o  usuário  gostou  no  passado.   Vetores  formados  pelos  •  Algoritmo  TF-­‐IDF.     termos  dos  documentos  •  Informações  armazenadas            em  forma  textual.  •  Problema:  Superespecialização  e  qualidade.   CST  2011  –  Sistemas  de  Recomendação   10   em  Redes  Sociais  
  • Filtragem  ColaboraQva  (FC)  •  Base:  Gerar  recomendações  a  parQr  da  correlação  entre     usuários.  •  Não  apresenta  restrição  quanto  ao  Qpo  dos  dados.  •  Vantagens:  ausência  do  problema  de  superespecialização,   qualidade  dos  itens  e  gosto  do  usuário.  •  Problemas:  first-­‐rater,  startup  e  sparcity.       CST  2011  –  Sistemas  de  Recomendação   11   em  Redes  Sociais  
  • Mineração  de  dados  (MD)  •  Descoberta  de  Conhecimento  de  Banco  de  Dados  (DCBD).  •  Descoberta  de  padrões  num  BD:   –  20%  dos  consumidores  que  compram  fraldas  também  compram  cerveja ;   –  80%  dos  consumidores  que  compram  fraldas  e  cerveja  em  uma  compra,   voltam  para  comprar  carne  e  carvão  na  sexta-­‐feira .     CST  2011  –  Sistemas  de  Recomendação   12   em  Redes  Sociais  
  • Mineração  de  dados  (MD)  •  Regras  associaQvas   Fraldas   Cerveja   Fraldas  e  cerveja   Carne  e  carvão  •  Nos  SRs,  faz-­‐se  uso  das  regras  associaZvas:   –  Pré-­‐condições  que  devem  ser  idenQficadas  nos  perfis  dos    usuários,  através  dos  antecedentes  das  regras;   –  Itens  que  devem  ser  recomendados,  através  dos  consequentes   CST  2011  –  Sistemas  de  Recomendação   13   em  Redes  Sociais  
  • Raciocínio  Baseado  em  Casos  (RBC)  •  Metodologia  de  solução  de  problemas  que  baseia-­‐se  em   conhecimento  adquirido  anteriormente.  •  Armazenado  na  forma  de  casos  (descrição  do  problema  +   solução).    •  Funcionamento  de  sistemas  RBC  é  cíclico,  dividido  em  quatro   etapas  principais:   •  Recuperação;   •  ReuQlização;   •  Adaptação;   •  Retenção.   CST  2011  –  Sistemas  de  Recomendação   14   em  Redes  Sociais  
  • Raciocínio  Baseado  em  Casos  (RBC)   RECUPERAÇÃO   Problema   Casos  Similares   REUTILIZAÇÃO   Casos  Armazenados   RETENÇÃO   Solução  Adaptada   Solução  Sugerida   ADAPTAÇÃO   CST  2011  –  Sistemas  de  Recomendação   15   em  Redes  Sociais  
  • Raciocínio  Baseado  em  Casos  (RBC)  •  Nos  SRs,  os  itens  a  serem  recomendados  são  tratados  da   mesma  forma  como  são  os  problemas.  •  Sistemas  de  Recomendação  baseados  em  Conhecimento   –  Guardam  informações  sobre  como  os  itens  a  serem  recomendados  se   adequam  às  necessidades  dos  usuários.   CST  2011  –  Sistemas  de  Recomendação   16   em  Redes  Sociais  
  • Aplicações  Recomendação  de  tags  SR  baseado  na  similaridade  de  perfis  no  Twi@er   CST  2011  –  Sistemas  de  Recomendação  em   17   Redes  Sociais    
  • Recomendações  de  tags          Propósitos:   Aumentar  chances  de  encontrar  um      documento    postado,  relembrar  ao  usuário  do     que  se  trata  um  documento  e  consolidar     o  vocabulário  por  meio  dos  usuários.      BibSonomy   CST  2011  –  Sistemas  de  Recomendação  em   18   Redes  Sociais    
  • Recomendações  de  tags   Folksonomy   Conjunto        de  Tags   Conjunto  de   Conjunto   Documentos   de  Usuários   Usuário   Tag   Documento   CST  2011  –  Sistemas  de  Recomendação   19   em  Redes  Sociais  
  • Recomendações  de  tags  •  Definição  do  Problema:  Recomendar  para  um  dado  usuário  (                            )  e  um  dado  documento  (                        ),  um  conjunto  de  tags  (                                        ).    •  Foco:  Medir  a  relevância  de  tags.     CST  2011  –  Sistemas  de  Recomendação   20   em  Redes  Sociais  
  • Recomendações  de  tags  •  Usa  Filtragem  ColaboraQva  •  Matriz  usuário-­‐objeto:  m  usuários  x  n  objetos   CST  2011  –  Sistemas  de  Recomendação   21   em  Redes  Sociais  
  • Recomendações  de  tags   Conjunto  dos  k  usuários   mais  similares  a  u   Número  de  vizinhos  a   ser  retornados   CST  2011  –  Sistemas  de  Recomendação   22   em  Redes  Sociais  
  • Recomendações  de  tags   CST  2011  –  Sistemas  de  Recomendação   23   em  Redes  Sociais  
  • SR  baseado  na  similaridade  de  perfis  no  Twi@er  •  ObjeQvo  do  trabalho:   –  Implementação  de  uma  aplicação  que  cria  um  perfil  para  o  usuário  e,   a  parQr  dele,  sugere  perfis  que  ele  pode  desejar  visitar.  •  A  recomendação  faz  uso  da  descrição  de  um  novo  usuário  e   recomenda  um  outro  que  possui  uma  descrição  similar  à  dele.   CST  2011  –  Sistemas  de  Recomendação  em   24   Redes  Sociais    
  • SR  baseado  na  similaridade  de  perfis  no  Twi@er   CST  2011  –  Sistemas  de  Recomendação  em   25   Redes  Sociais    
  • SR  baseado  na  similaridade  de  perfis  no  Twi@er  •  Nearest  Neighbor   –  Método  descrito  nos  anos  50,  mas  ganhou  popularidade  no  início  dos   anos  60,  quando  os  computadores  mais  potentes  surgiram.   –  Suponha  um  conjunto  D  de  tuplas  de  treinamento.  Cada  elemento  de   D  é  uma  tupla  (x1,  x2,  ...,  xn,  c),  onde  c  é  a  classe  a  qual  pertence  a   tupla  (x1,  x2,  ...,  xn),  que  é  considerada  um  ponto  num  espaço                           n-­‐dimensional.   –  Para  saber  a  que  classe  pertence  uma  outra  tupla  Y  =  (y1,  ...,  yn),   calculam-­‐se  as  distâncias  de  Y  a  todas  as  tuplas  de  treinamento  e   considera  aquela  mais  próxima  de  Y.   CST  2011  –  Sistemas  de  Recomendação  em   26   Redes  Sociais    
  • SR  baseado  na  similaridade  de  perfis  no  Twi@er  •  Nearest  Neighbor   –  Distância  Euclidiana   –  Distância  de  cossenos   •  qi  é  o  peso  do  termo  i  na  consulta   •  di  é  o  peso  do  termo  i  na  consulta   –  Pode  haver  uma  normalização  dos  dados.   CST  2011  –  Sistemas  de  Recomendação  em   27   Redes  Sociais    
  • SR  baseado  na  similaridade  de  perfis  no  Twi@er  •  Mineração  de  Texto   –  Processo  de  extrair  padrões  de  textos.     –  Trabalha  com  dados  não  estruturados   •  Etapa  de  pré-­‐processamento:  não  estruturados  à  estruturados     –  Representação  dos  documentos  é  feita   baseada  em  três  modelos:  booleano,   probabilísQco  e  vetorial.     CST  2011  –  Sistemas  de  Recomendação  em   28   Redes  Sociais    
  • SR  baseado  na  similaridade  de  perfis  no  Twi@er  •  Mineração  de  Texto  –  Etapa  de  pré-­‐processamento   –  Análise  Léxica   –  Conversão  entre  caracteres   –  Stemming   CST  2011  –  Sistemas  de  Recomendação  em   29   Redes  Sociais    
  • SR  baseado  na  similaridade  de  perfis  no  Twi@er  •  Mineração  de  Texto  –  Etapa  de  representação   –  Atribuição  de  pesos   •  Peso  u-­‐idf:  (frequência  do  termo)  x  (relevância  de  um  termo  num   documento)   –  Organizar  os  termos  de  acordo  com  o  peso   •  Ranking   CST  2011  –  Sistemas  de  Recomendação  em   30   Redes  Sociais    
  • SR  baseado  na  similaridade  de  perfis  no  Twi@er  •  Resultados  obQdos   –  Mineração  de  perfis  de  19.365  usuários  diferentes   –  Pré-­‐processamento  à  Vetor  de  pesos  à  Ranking  à  Dist.  Euclidiana   –  Foram  escolhidos  os  k  perfis  que  mostraram  menores  distâncias  em   relação  ao  perfil  em  questão   CST  2011  –  Sistemas  de  Recomendação  em   31   Redes  Sociais    
  • Sistemas  de  Recomendação  Google  +1  Amigos  DINS   CST  2011  –  Sistemas  de  Recomendação  em   32   Redes  Sociais    
  • Sistemas  de  Recomendação  •  Google     –  Recomendar  conteúdo  diretamente  nos  resultados  de   pesquisa  ou  através  de  botões  que  poderão  ser   adicionados  em  sites  e  blogs  pela  Web.   –  Parecido  com  o                                  do  Facebook.   CST  2011  –  Sistemas  de  Recomendação  em   33   Redes  Sociais    
  • Considerações  Finais  •  Importância  dos  Sistemas  de  Recomendação  associados  às   Redes  Sociais   –  Reduzir  a  sobrecarga  de  informação  na  Web  •  Não  existe  uma  melhor  técnica  para  construir  um  SR   –  Depende  do  objeQvo  da  sua  aplicação  •  CompeQção  entre  as  Redes  Sociais  existentes   –  Quem  ganha  é  o  usuário  final   CST  2011  –  Sistemas  de  Recomendação   34   em  Redes  Sociais  
  • Referências  Bibliográficas  •  PEREIRA,  D.  Uma  Aplicação  em  Sistemas  de  Recomendação:  Sistema  de   Recomendação  para  Pacotes  GNU/Linux.  •  CAZELLA,  S.  C.,  NUNES,    M.  A.  S.  N.,  REATEGUI,  E.  B.  A  Ciência  da  Opinião:   Estado  da  Arte  em  Sistemas  de  Recomendação.  •  DE  GEUS,  P.  L.,  FIGUEIRA  FILHO,  F.  M.,  ALBUQUERQUE,  J.  P.  Sistemas  de   Recomendação  e  Interação  na  Web  Social.  •  CORUMBA,  D.  M.,  NUNES,  M.  A.  S.  N.,  ARANHA,  C.  N.  Sistema  de   Recomendação  baseado  na  similaridade  de  perfis  do  Twi@er.  •  h@p://www.google.com/+1/bu@on/.  ÚlQmo  acesso  em:  31/05/2011.  •  Sistemas  de  Recuperação  da  Informação  2011.1,  UFCG.  Prof.  Dr.  Leandro   Balby  Marinho.   CST  2011  –  Sistemas  de  Recomendação   35   em  Redes  Sociais  
  • SISTEMAS  DE  RECOMENDAÇÃO  EM  REDES  SOCIAIS   {natanvm,savyo}@dsc.ufcg.edu.br