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: