sistemas de recomendação na web
DESCRIPTION
Apresentação realizada na SECOMP (Semana de Computação) 2011 da Universidade Federal de Sergipe. Breve introdução sobre os conceitos de Sistema de Recomendação com foco nas maiores empresas que utilizam na web.TRANSCRIPT
Palestra
Sistemas de Recomendação na Web
Aracaju, 06 de outubro de 2011
Lucas Augusto Carvalho @lucasaugustomcc
Sobre mim
Graduado na UFS (2009)
Iniciação científica (Interação com Voz na TV Digital)
Mestrando em Inteligência Artificial (Sistema de Recomendação)
Sócio – Fundador do Alguns Trocados (Compra Coletiva)
● Interesses:● Usabilidade, Aplicações Sociais, PHP, Python, Mineração de Dados,
Sistema de Recomendação, Marketing Digital.
● Onde me encontrar:
www.linkedin.com/in/lucasaugustomcc
www.slideshare.com/lucasaugustomcc
@lucasaugustomcc
Tomada de Decisão
● Como você escolheu essa palestra para assistir?
Definição
“Utilizando a opinião de uma comunidade de usuários para ajudar indivíduos naquela comunidade a identificar mais efetivamente conteúdos de interesse de um potencial conjunto enorme de escolhas.”
Resnick & Varian (1997). Recommender Systems, Comunication of the ACM, 40(3).
Definição
“Qualquer sistema que produza recomendações personalizadas como saída ou tenha o efeito de guiar o usuário em uma maneira personalizada para objetos interessantes ou úteis em um grande espaço de possibilidades.”
Burke R. (2002). Hybrid Recommender Systems: Survey and Experiments, User Modeling & User Adapted Interaction, 12, pp. 331-370.
Tomada de Decisão
● Excesso de informação / opções● Necessidade de conhecimento prévio● Personalização
História
● Recomendação boca a boca
● Filtragem Colaborativa
O que pode ser recomendado?
contatos em redes sociais
livros
cursos
produtos
serviços
filmes
artigos
passeios turísticos
programas de TV
futuras namoradas
músicas
tags
anúncios
comunidades
aplicativos
vagas de emprego
restaurantes
links
profissionais
Quem recomenda?
Exemplo
Exemplo
Exemplo
Exemplo
Exemplo
Funcionamento
● Perfil● Avaliação
● Implícita (ex.: cliques e compras)
● Explícita (ex.: escala 1 a 5)
● Recomendação● Atualização do perfil + histórico
Abordagens
● Colaborativo● Agrega avaliação dos usuários e gera recomendações baseada na similaridade inter-
usuários.
● Baseado em conteúdo● O perfil do usuário é contruído a partir das características dos itens avaliados pelo usuário.
Este perfil é utilizado para identificar novos itens interessantes para o usuário (combinando com seu perfil)
● Demográfico● Categoriza os usuários baseado em atributos pessoais (ex.: idade, localidade, sexo...) e gera
recomendações baseada em classes demográficas.
● Baseado em conhecimento● Computa a utilidade de cada item para o usuário e suas necessidades.
● Híbrido● Combina várias abordagens.
Funcionamento
Você Pessoa 3Pessoa 1
Filme A Filme CFilme B
Pessoa 2
?????
● Recomendação Colaborativa
Funcionamento
Você Pessoa 3Pessoa 1
Filme A Filme CFilme B
Pessoa 2
recom
endar
● Recomendação Colaborativa
similar
Funcionamento
Você
Filme A Filme CFilme B
similar
gostarecomenda
● Recomendação baseada em conteúdo
Exemplos
Exemplos
Exemplos
Exemplos
Exemplos
Exemplos
Exemplos
Exemplos
com explicação!
Exemplos
Exemplos
Exemplos
Exemplos
A Cauda Longa
“We are leaving the age of information and entering the age of recommendation”
Cris Anderson (2004), editor Wired Magazine
Benefícios
● 60% das visualizações da Netflix são resultado da recomendação personalizada.
● 35% da venda de produtos da Amazon são resultados de recomendações
Problemas
● Alguns dos problemas mais citados:● Cold-start
● Baseado em conteúdo– Novo Usuário– Características do item
● Colaborativo– Novo Item– Esparcidade dos dados (Sparcity)
Estado da Arte
● Recomendação Sensível ao Contexto
● Recomendação para Grupos
● Recomendação + Computação Afetiva (emoção e personalidade)
Bases para Teste
http://code.richrelevance.com/reclab/
http://www.grouplens.org/node/73
E no Brasil?
E no Brasil?
Concursos
US$ 1 milhão em premiaçãoUS$ 1 milhão em premiação
Futuro
● +1 Google
Pesquisas
● recsys.acm.org
Recomendação de Itens
● Livros
Possuem capítulo dedicado a RecSys:
Toby Segaran, Programming Collective Intelligence, O'Reilly, 2007
Satnam Alag, Collective Intelligence in Action, Manning Publications, 2009
Haralambos Marmanis, Dmitry Babenko. Algorithms of the Intelligent Web, Manning, 2009
Recomendação de Itens
● Livros
Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B. Kantor. Recommender Systems Handbook. Springer, 2011.
Recomendação de Itens
● Palestra
Pessoas que assistiram esta palestra, também assistirão:
–Sistemas de Recomendação - Apresentando a Inteligência Coletiva
● A palestra foca em apresentar sistemas de recomendação e sua aplicabilidade em diversos nichos. Também sera apresentado o framework Crab em desenvolvimento para construção de sistemas de recomendação em Python. O mesmo já se encontra em funcionamento em redes sociais como atepassar.com, socialcats.com.br
– Sábado, 15:30 – 16:30h
– Palestrante: Marcel Caraciolo
Dúvidas?
“We are leaving the age of information and entering the age of recommendation”.
Cris Anderson (2004), editor da Wired Magazine
Avalie esta palestra: