Sistemas Recomendação em Redes Sociais

  • 1,946 views
Uploaded on

 

More in: Technology
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
1,946
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
26
Comments
0
Likes
1

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. SISTEMAS  DE  RECOMENDAÇÃO   EM  REDES  SOCIAIS   Natã  Venâncio,  Savyo  Nóbrega  
  • 2. 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  
  • 3. 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  
  • 4. 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  
  • 5. 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  
  • 6. Sistemas  de  Recomendação  •  Três  categorias:   –  Abordagem  baseada  em  conteúdo     CST  2011  –  Sistemas  de  Recomendação   6   em  Redes  Sociais  
  • 7. Sistemas  de  Recomendação  •  Três  categorias:   –  Abordagem  colaboraQva     –  Abordagens  híbridas   CST  2011  –  Sistemas  de  Recomendação   7   em  Redes  Sociais  
  • 8. Sistemas  de  Recomendação  •  Problema:   –  EsQmação  e  forma  das  respostas  do  usuário   CST  2011  –  Sistemas  de  Recomendação   8   em  Redes  Sociais  
  • 9. Técnicas  de  Sistemas  de   Recomendação   CST  2011  –  Sistemas  de  Recomendação  em   9   Redes  Sociais    
  • 10. 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  
  • 11. 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  
  • 12. 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  
  • 13. 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  
  • 14. 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  
  • 15. 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  
  • 16. 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  
  • 17. Aplicações  Recomendação  de  tags  SR  baseado  na  similaridade  de  perfis  no  Twi@er   CST  2011  –  Sistemas  de  Recomendação  em   17   Redes  Sociais    
  • 18. 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    
  • 19. 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  
  • 20. 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  
  • 21. Recomendações  de  tags  •  Usa  Filtragem  ColaboraQva  •  Matriz  usuário-­‐objeto:  m  usuários  x  n  objetos   CST  2011  –  Sistemas  de  Recomendação   21   em  Redes  Sociais  
  • 22. 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  
  • 23. Recomendações  de  tags   CST  2011  –  Sistemas  de  Recomendação   23   em  Redes  Sociais  
  • 24. 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    
  • 25. SR  baseado  na  similaridade  de  perfis  no  Twi@er   CST  2011  –  Sistemas  de  Recomendação  em   25   Redes  Sociais    
  • 26. 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    
  • 27. 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    
  • 28. 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    
  • 29. 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    
  • 30. 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    
  • 31. 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    
  • 32. Sistemas  de  Recomendação  Google  +1  Amigos  DINS   CST  2011  –  Sistemas  de  Recomendação  em   32   Redes  Sociais    
  • 33. 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    
  • 34. 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  
  • 35. 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  
  • 36. SISTEMAS  DE  RECOMENDAÇÃO  EM  REDES  SOCIAIS   {natanvm,savyo}@dsc.ufcg.edu.br