1. Sistemas de
Recomendação

2. @dhianadeva

3. Porque
precisamos?!

4. E-COMMERCE
up-sell&cross-sell

5. Estabeleceruma
CONEXÃOPESSOAL
comousuário

6. Leanbackexperiência de usuário

7. ❤Quase um BFF!

8. ...enfim, RECOMENDARé uma técnica FUNDAMENTAL para aumentar o
ENGAJAMENTOe RETENÇÃO dos usuários

9. Para leigos...

10. Coleção
itemitemitemitem
itemitemitemitem
itemitemitem
Comunidadeusuáriousuáriousuário
usuáriousuáriousuário
usuáriousuário

11. item
item
item
item
item item
item
itemitem
usuário
item
item
item
item
item
item
item
item
item
usuário
item
item
item
item
item
item
item
usuário
usuário
usuário
item item
item
item
item
item itemitem
usuário
usuário
usuário
item

12. item
item
item
item
item item
item
itemitem
usuário
item
item
item
item
item
item
item
item
item
usuário
item
item
item
item
item
item
item
usuário
usuário
usuário
item
item
item
item
item
item
itemitem
usuário
usuário
usuário
item
usuário+item
Encaixe feito
nos céus!

13. Filtros
colaborativos

14. item
item
item
item
item item
itemitem
item
item
item
usuário
item
item
item
item item
item
item
itemitem
item
usuário
item
item
item
item
item

15. tempo
item?item
item
item item
itemitem
item
item
item
item
itemitem
item
classificação
usuário
item item
item
item item
item
item
item
item
item
itemitem
item

16. Filtros baseados
em conteúdo

17. item=
Extraçãoda
Informação
característica
característica
característica
característica
característica
característica
característica
característica
característica

18. 0101011001010011100110100110101110101000100010010101101100100111000100
0101010110010100111001101001101011101010011100110100110101110101001010
1100101001110011010011010111010100010001001010110110010011010101100101
0011100110100110101110101000100010010101101100100110101011001010011100
11010011
Dançabilidade: 0.23
Loudness: 0.87
Tonalidade: 0.25
BPM: 200

19. característica 1
característica 2
característica 3
item
item
item item
item
item
item
item
item
item
item
item
item
item
item
item
item
item
item
item item
item
item
item
item
item
item
item
item
item
item
item
item
item

20. Não é mágica!

21. Cadeias de Markov
Similaridade de
Pearson
Similaridade de
Cosseno
Redes Bayesianas

22. K-nearest
Neighbors
Redes Neurais
Simulated
Annealing

23. Qual técnica é
melhor???

24. Precisão =
{itens relevantes} ∩ {itens recomendados}
{itens recomendados}
Relevância =
{itens relevantes} ∩ {itens recomendados}
{itens relevantes}
F-measure =
2 * precisão * relevância
precisão + relevância
...

25. Naprática,atécnica
derecomendação
deveserhíbrida

26. SplitTests!FTW!❤

27. Desafios

28. long
tail
20% dos itens concentram
80% da popularidade

29. COLD-START

30. Se-ren-di-pi-ty
If you want to increase
your success rate,
double your failure rate.
"
"(Thomas Watson - Fundador da IBM)

31. http://www.ted.com/talks/tim_berners_lee_on_the_next_web.html
http://www.slideshare.net/renangpa/introduo-a-web-semntica-e-o-case-da-globocom
http://www.slideshare.net/xamat/building-largescale-realworld-recommender-systems-recsys2012-tutorial
http://www.slideshare.net/ocelma/celma-ph-d-defense-1067735
http://lanyrd.com/topics/semantic-web/2013/
Referências

32. Obg! :)