Sistemas de recomendação

1. Mineração de Dados na Web Sistemas de recomendação

2. Lais Varejão (lvv) Paulo Oliveira (phslfo) Victor Lorena (vlfs) Victor Acioli (vaca) Equipe

3. Introdução Coleta de Informações Estratégias Técnicas Arquitetura Passo a Passo Aplicações Conclusão Roteiro

4. Introdução

5. A Era da Inteligência Coletiva Motivação

6. Sob o aspecto tecnológico, Inteligência Coletiva é o conjunto de comportamentos, preferências e ideiasde um grupo de pessoas para criar novas introspecções. Motivação

7. Atualmente existe uma grande quantidade de informaçãodisponibilizada de forma facilitada. Motivação

8. Motivação Ao mesmo tempo...

9. Motivação • O usuário tem dificuldade de encontrar informaçõesque são relevantes para ele.

10. Como identificar quais conteúdos são relevantes para cada usuário em meio a um mar de informação? Problema

11. Sistemas de recomendação realizam a filtragem da informação para recomendar itens, que possam ser interessantes para o usuário. Sistemas de Recomendação

12. Sistemas de Recomendação Que filme eu devo ver? Para onde eu devo sair? Qual livro eu devo ler?

13. “Muitas vezes as pessoas só sabem o que queremdepois que você mostraa elas.” Steve Jobs Sistemas de Recomendação

14. Existem empresas que investem em sistemas de recomendação? Sistemas de recomendação

15. Sistemas de recomendação

16. Netflix • É uma locadora de DVDs online, com entrega a domicílio, que recomenda filmes de acordo com locações prévias dos clientes. • Dos filmes alugados, 60%vêm de recomendações. • Em 2006, ela anunciou o prêmio de 1 milhãopara a primeira pessoa que melhorasse a precisão do seu sistema de recomendação em 10%. Desafio Netflix

17. Nos anos 90, foi desenvolvido o Tapestry. • Um sistema de emailque avaliava a relevância dos documentos recebidos. • Em 1996, oMy Yahoosurgiu. • O primeiro website a utilizar recomendação em grandes proporções. • A técnica customização era utilizada. Quem foram os pioneiros?

18. Coleta de Informações

19. É indispensável conhecer quem éo usuário. Coleta de informações

20. O usuário deve ser identificado no momento em que ele acessa o sistema. • Identificação no servidor • É necessário fazer um cadastro. • Provê maior precisão. • Identificação no cliente • Utiliza cookies para identificar a máquina. • Menos confiável. Coleta de informações

21. As informações podem ser coletadas de forma explícitaou implícita. Coleta de informações

22. Coleta Explícita • O usuário indicao que lhe interessa. Coleta de informações

23. Coleta Implícita • A partir do comportamento do usuário, infere-se suas necessidadese preferências. Coleta de informações TURISMO

24. Informações do usuário são coletadase armazenadassem que ele perceba. Existem empresas que vendem esses dados. Problemas de privacidade

25. É uma exigência legal que as políticas de privacidade dos sites sejam disponibilizadas. • Aumenta a proteção do usuário. Políticas de privacidade

26. Algumas organizações propõem selos que regulam a política de privacidade de um website. Políticas de privacidade

27. Estratégias

28. Diferentes estratégiaspodem ser usadas para personalizarofertas para o usuário. • Listas de Recomendação • Avaliação de Usuários • Suas Recomendações • Produtos Similares (X Y) • Associação por Conteúdo Estratégias

29. Listas de Recomendação • São mantidas listas de itens organizadas por tipos de interesse. Estratégias

30. Avaliação de Usuários • Além de comprar, o usuário deixa sua avaliaçãosob o item adquirido. • É importante que haja veracidadena opinião. Estratégias

31. Itens são oferecidos de acordo com o interesse do usuário. Suas recomendações

32. Indica itens similares ao que está sendo comprado no momento. Produtos similares (X Y)

33. São utilizados os dados dos próprios produtos e não do usuário. • Exemplo: • Autor • Editora • Tema • Assunto Associação por conteúdo

34. Técnicas

35. É o nome utilizado para descrever uma variedade de processos que envolvem a entrega de informaçãopara as pessoas que realmente necessitam delas. BelvinandCroft- 1992 FILTRAGEM DE INFORMAÇÃO

36. É a forma mais simplesde recomendação Considera que usuários sempre gostaram de coisas que gostaram no passado. Analisa apenas os itens e o perfil do usuário. Filtragem baseada em conteúdo

37. Funcionamento: • Usuários devem avaliar itens de acordo com seu interesse. • O sistema correlaciona os itens em sua base de dados, considerando características de cada item. • E indica novos itens que apresentem alto grau de similaridade. Filtragem baseada em conteúdo

38. Exemplo sim(REC, Exoc) Gostei Recomendado Usuário Atual

39. Filtragem baseada em conteúdo • Dificuldades: • Cálculo da similaridade • Análise dos dados restrita • Super Especialização • Efeito Portfólio

40. Fechar as lacunas que a filtragem baseada em conteúdo não soluciona. Não exige a extração de características dos itens. O sistema se baseia na troca de experiências entre usuários com gostos similares. Filtragem colaborativa

41. Funcionamento: • Usuários devem avaliar itens de acordo com seu interesse. • O sistema descobre usuários com padrões similares de comportamento ao do usuário atual. • Processa as avaliações feitas por esse subconjunto de usuários. • E recomenda itens que o usuário atual ainda não avaliou. Filtragem colaborativa

42. Exemplo Gosta: Filme A Filme B Filme C Gosta: Filme A Filme B Filme C Similares Usuário Atual Usuário X Usuário Y

43. Dificuldades: • Necessita de vasta base de dados • Escalabilidade/estabilidade • Partida fria (Usuários e itens novos) • Popularidade • Ovelha negra • Demonstração Facebook Filtragem colaborativa

44. Combina as duas técnicas, para obter um sistema mais eficiente. Filtragem híbrida

45. Comparativo

46. Solicitada ou espontânea? Rodar online ou offline? Recomendar tudo ou filtrar? Só itens novos? Explicar o motivo da escolha? Necessidade ou interesse? Cuidados

47. Arquitetura

48. Arquitetura

49. Exemplo • Recommender Server • Utilizado para dar acesso aos SessionsControllerse às rotinas de recomendações.

50. Exemplo • SessionController • Ao entrar no site as informações do usuário são armazenadas sobre sua interação atual. • E comparadas com o seu histórico dentro do site.