Apresentação com o título "IA e Algoritmos de Recomendação - Chatbots além das respostas prontas" feita no evento "Conferência Bots Brasil", maior evento sobre chatbots do Brasil realizado dia 17/11/2018 (http://conf.botsbrasil.com.br/).
[Jose Ahirton Lopes] Deep Learning - Uma Abordagem Visual
[Jose Ahirton Lopes] Apresentacao Sessao Tecnica I
1. IA e Algoritmos de
Recomendação – Chatbots
além das respostas prontas
MSc. José Ahirton Lopes, Data Scientist,
Professor @ FIAP, Community Manager @ AIBrasil.
3. Recomendações e Chatbots?
• O objetivo dos sistemas de recomendação é gerar
recomendações válidas para um conjunto de
usuários de itens ou serviços que possam
interessá-los (MELVILLE; SINDHWANI, 2010);
• Personalizados vs. não personalizados;
• “Obter recomendações de fontes confiáveis é um
componente importante do processo natural de
tomada de decisões” (MELVILLE; SINDHWANI,
2010);
• Estímulo ao consumo.
4. Recomendações e Chatbots?
• Baseados em conteúdo (Content Based) - usando
as preferências pessoais para corresponder e
filtrar itens;
• Filtragem Colaborativa (Collaborative Filtering) –
combinam-se pessoas com a mesma opinião.
• Software social - o processo de recomendação é
suportado mas não automatizado;
• Mineração de Dados Sociais - Registra dados de
atividade social para aprender as preferências do
grupo ;
5. Como funciona?
• Usuários votam nos itens - interesses do usuário
são registrados. Classificações podem ser
explícitas ou implícitas.
• Correspondência de vizinho mais próximo usado
para encontrar pessoas com interesses
semelhantes;
• Itens que os vizinhos classificaram positivamente,
mas que você não avaliou são recomendados a
você;
• O usuário pode avaliar os itens recomendados.
6. Dificuldades
• Problema de escassez - quando muitos dos itens
não foram avaliados por muitas pessoas. Difícil
encontrar pessoas "que tenham a mesma opinião”;
• Primeiro problema do avaliador - o que acontece
se um item não tiver sido classificado por
ninguém;
• Cold start – o que acontece com usuários novos?
• Problemas de privacidade;
• Serendipity - recomendo para mim algo que eu
não conheço.
7. Principais Parâmetros de Recomendação:
Semelhança (ou Similaridade):
• Amigos (social);
• Popularidade;
• Gênero (ou Categoria);
• Outros parâmetros podem incluir
localização geográfica do usuário ou dados
retirados de seu perfil ou outros acessos.
Algoritmos observam estes parâmetros
em conjunto, não separados, comumente
na forma de vetores ou matrizes.
Arquitetura de um motor de
recomendação
9. • Convergência com novas
técnicas tais como:
• Deep Learning para Processamento
de Linguagem Natural e Síntese
Automatizada de Conteúdo;
• Máquinas de Tradução Neural;
• Deep Speech.
Futuro
10. “You have to systematically
create confusion, it sets
creativity free. Everything that is
contradictory creates life”
Salvador Dali
11. Obrigado!
MSc. José Ahirton Lopes
Data Scientist,
Professor @ FIAP, Community Manager @ AIBrasil.
ahirtonlopes@gmail.com
Github: github.com/AhirtonL
Slideshare: slideshare.net/JosAhirtonBatistaLop
Editor's Notes
Baseada em Conteúdo:
“Encontre-me coisas das quais eu gostei no passado”;
A máquina aprende as preferências por meio do feedback do usuário, criando assim um perfil;
Feedback explícito – usuários avaliam itens;
Feedback implícito - o sistema registra as atividades do usuário;
Dados de clickstream classificados de acordo com a categoria e atividade da página, por ex. navegando em uma página de produto;
Tempo gasto em uma atividade, tal como navegar em uma página.
A recomendação é visualizada como um processo de pesquisa, com o perfil do usuário atuando como a consulta e o conjunto de itens atuando como os documentos a serem correspondidos.
Baseada em Filtragem Colaborativa:
São combinadas pessoas com interesses semelhantes como base para a recomendação:
Muitas pessoas devem participar para se tornar provável que uma pessoa com interesses semelhantes seja, de fato, encontrada;
Deve haver uma maneira simples de as pessoas expressarem seus interesses;
Deve haver um algoritmo eficiente para corresponder pessoas com interesses semelhantes.
Explicitas: por ex. comprando ou classificando um item;
Implícitas: por ex. tempo de navegação, no. de cliques do mouse.
Segundo dicionário de Oxford: a ocorrência e desenvolvimento de eventos ao acaso de uma forma feliz ou benéfica.