1. Mais Falados
Usando a interação Social para a
Recomendação de Vídeos

2. Priscilla Lusie
Cientista de Dados - Analytics
Igor Bichara
Pesquisador – P&D
Quem somos?

3. Data
Driven

4. Aprendizado de Máquina
Processamento de Linguagem Natural
Análise de Sentimento
Clusterização de Texto
Detecção de Tópicos
Geração Automática de Texto

5. História

6. A todo momento nossos
telespectadores postam
comentários sobre nossos
produtos nas redes sociais

7. E se pudéssemos entender o
que cada mensagem fala....
... e usar essa informação
para recomendar os
conteúdos de maior
repercussão ?

8. OPINIÃO

11. 20milhões de usuários
23,5milhões de horas consumidas
Mais de 120milhões de vídeo views

12. GLOBOPLAY - MAIS FALADOS

13. GLOBOPLAY - MAIS FALADOS

14. GLOBOPLAY - MAIS FALADOS

16. Recomendação – Consumo e Hábito
Recomendar um vídeo mais visto
tende a manter a lista de
recomendação constante!

18. Recomendação – Capturando Opinião
Que tal
recomendar os
vídeos mais
falados?

22. Zé dos Porcos
Cegonho
Mafalda

23. Como ordenar os documentos mais relevantes à query Q?
VSM – Busca por Informação

24. VSM – Busca por similaridade

25. VSM – Transformando a Query

26. Vocabulário Único
Dois conjuntos de documentos
VSM - Modelagem

27. VSM - Simplificando

28. VSM - Simplificando

29. Especificidade
Predominância
Mas como são essas matrizes?

30. Bag of Words
Êta Mundo Bom

31. Tweets
Êta Mundo Bom

32. TF-IDF
● Term Frequency
○ Frequência de uma palavra no documento
○ Normalizada pela quantidade de palavras no documento
𝑇𝑓 = ൘
𝑓𝑟𝑒𝑞 𝑡 𝑑𝑜𝑐𝑢𝑚𝑒𝑛𝑡𝑜
𝑁(𝑡) 𝑑𝑜𝑐𝑢𝑚𝑒𝑛𝑡𝑜
● Inverse Document Frequency
○ Mede quão rara é uma palavra
○ Qual a importância do termo para descrever o documento
○ Ajuda a filtrar as stopwords já que elas aparecem na maior parte dos documentos
𝐼𝑑𝑓 = log ( ൘
𝑁 𝑑
𝑁 𝑑 𝑡𝑒𝑟𝑚𝑜
)

33. TF-IDF – normalizações

34. TF-IDF - Exemplo
● Imagine um tweet com 10 palavras
● Este documento possui a palavra Mafalda 3x
● O conjunto de tweets analisados possui 1 milhão de documentos
● A palavra Mafalda aparece em 1.000 destes
𝑇𝑓 =
3
10
= 0.3
𝐼𝑑𝑓 = log
1.000.000
1.000
= log 1.000 = 3
𝑇𝑓 ∙ 𝐼𝑑𝑓 = 0.3 ∙ 3 = 0.9

35. Cegonho = 0.2
Mafalda = 0.7
Zé dos Porcos = 2.3
...
Mafalda, filho, fizemo, pergunta, calar,
cegonho, respiração, Cunegundes,
bonito, querendo, Zé dos Porcos ...

36. Bag of Words
Êta Mundo Bom

37. 10000
dimensões
8000
dimensões
5000
dimensões
Stopwords PoS-Tagging
Redução de Ruído: Filtrando Vocabulário

38. Pré-processamento
TF-IDF TF-IDF

39. Crawler Worker API
Arquitetura do Sistema

42. “Mais Falados” “Mais Vistos” 46% de aumento de performance (video views) em relação ao tradicional “Mais Vistos”
MAIS FALADOS x MAIS VISTOS

43. “A ERA DA INFORMAÇÃO OFERECE MUITO À
HUMANIDADE, E EU GOSTARIA DE PENSAR QUE NÓS
NOS ELEVAREMOS AOS DESAFIOS QUE ELA
APRESENTA.
MAS É VITAL LEMBRAR QUE A INFORMAÇÃO (NO
SENTIDO DE DADOS BRUTOS) NÃO É
CONHECIMENTO, QUE CONHECIMENTO NÃO É
SABEDORIA, E QUE SABEDORIA NÃO É PRESCIÊNCIA.
MAS A INFORMAÇÃO É O PRIMEIRO PASSO
ESSENCIAL PARA TUDO ISSO.”
Arthur C Clarke

44. www.linkedin.com/in/igor-coutinho-52649371
https://www.linkedin.com/in/priscilla-lusie-00ab0a1/