Upload
leinylson-fontinele
View
68
Download
0
Embed Size (px)
Citation preview
# Sistemas Cooperativos #Aula 14 – TÉCNICAS
Sistemas de recomendação
Prof. Leinylson Fontinele Pereira
Na aula anterior...
TÉCNICAS# Conhecimento coletivo
# Gestão do conhecimento e memória de grupo
10:34 Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Introdução
10:34 3Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
O que vamos aprender?
TÉCNICAS# Sistemas de recomendação
10:34 Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Vamos começar?
10:34 5Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Sistema de Recomendação
10:34
Sistemas de recomendação são filtros de informação para apresentar itens: Páginas web, filmes, músicas, livros, artigos, medicamentos, lojas.
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Princípio dos Sistemas de Recomendação
10:34
“Diga-me com quem andas que eu lhe direi quem és.”
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Princípio dos Sistemas de Recomendação
10:34
Pessoas que avaliaram umgrande conjunto de produtosde maneira semelhante, pelomenos num futuro próximodevem continuar avaliandode maneira semelhante novosprodutos
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Recomendação é uma Função
10:34
Sistemas de recomendação define uma função que identifica osprodutos de máxima utilidade para um certo cliente
F(c,p) = max F(c, pi)
F é a função que determina a relevância do produto pi em relação ao cliente c.
Relevância depende: da avaliação de outros usuários com mesmo perfil,características do produto, frequência de venda etc.
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Sistema de Recomendação é Sistema Colaborativo
10:34
É um processo coletivo, embora a interação seja assíncrona eos benefícios não sejam percebidos no momento dacontribuição individual ao grupo
Um individuo contribui para avaliação de produtos que serãoconsumidos por outros indivíduos.
A recomendação é feita a partir da organização, manipulação,sumarização e agrupamento das avaliações individuais.
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Combinação Social
10:34
É um tipo de SR que recomenda pessoas
Mapeamento de características ou habilidades dos usuários
O sistema confere os perfis cadastrados e determina os candidatos que ousuário deve contatar: Quem é o especialista?
Quem tem a habilidade necessária ou os recursos desejados?
Quem está no nível de conhecimento correto, tem personalidade compatível, está nolocal certo e na hora certa?
Quem tem capacidade de liderança?Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Fonte de Informação para Recomendação
10:34
Dados obtidos do consumidor alvo: Informar o que está buscando
Usuários com o seu perfil também gostam de Y
Dados gerados pela comunidade Produtos mais vendidos
Venda casada: quem compra X também compra Y
Quem visita esta página também se interessa por “isso”
Dados do produto Lista de produtos correlacionados
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Saídas dos Sistemas de Recomendação
10:34 Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Lista Sugestões ResenhaAvaliações
Formas de Atuação
10:34
Atuação passiva
Apresenta um conjunto de sugestões disponíveis e contextualizadas pelanavegação (ex.: outros produtos correlacionados ao que estiver na página)
Sob-demanda
Usuário clica num link para obter a sugestão
Usuário entra com palavras-chave
Pró-ativa
O sistema monitora e seleciona as oportunidades de negócio adequadas aousuário, e envia as recomendações como se fosse um spam.
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Grau de Personalização
10:34
Recomendação genérica
Consequência de comportamento de grupos sobre os produtos.
Requer o registro das operações (de vendas, de visitas, de download, de avaliações etc.)
Personalizada indiretamente (efêmera)
Correlações de itens comprados em conjunto
A partir do produto atual, infere a partir da frequência das vendas casadas e dohistórico de compras dos clientes.
Personalizada
Leva em consideração os dados do cliente
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Métodos de Recomendação
10:34
Recuperação direta
Ex.: mecanismo de busca
Avaliações e Comentários
Filtragem Colaborativa
pessoas com o seu perfil também seinteressam por esses outros produtos
Descoberta de Conhecimento
quem compra X também costuma comprar Y
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Métodos de Recomendação: Recuperação Direta
10:34
O objetivo é atender aos usuários cujas necessidades sãodefinidas por eles próprios.
O usuário fornece ao sistema as palavras-chave ou atributosreferentes à busca desejada para ter acesso às recomendações.
A apresentação da recomendação é feita sob demanda e existepouca personalização dos produtos e serviços oferecidos
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Avaliações e Comentários
10:34
Obter a credibilidade do SR por meio da opinião dacomunidade
As opiniões da comunidade são bem aceitas
O principal alvo são as vendas a varejo no comércio eletrônico
A entrega da recomendação é passiva e praticamente não hápersonalização
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Filtragem Colaborativa
10:34
Tenta prever o grau de interesse de um cliente emdeterminados produtos a partir de correlações entre asavaliações feitas por este cliente e as avaliações fornecidas poroutros clientes.
Para sugerir um produto a um cliente ou prever como essecliente avaliará um produto, devemos utilizar os dados de umapessoa que venha avaliando ao longo do tempo de maneirasemelhante a este cliente.
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Descoberta de Conhecimento
10:34
Identificar regras válidas de associaçãoX ⇒ Y
Quando se encontra o comportamento X é esperado que ocomportamento Y aconteça.
X e Y podem ser: avaliação, compra ou navegação. Ações únicas ouconjunto de ações.
A regraX ⇒ Y possui dois critérios de geração:
Suporte = frequência com que X e Y aparecem juntos na base de dados
Confiança = probabilidade de Y aparecer uma vez que X aconteceu.
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Filtragem Colaborativa
10:34
1. Calcular a similaridade entre os usuários. As avaliações do cliente sãocorrelacionadas com as avaliações dos outros usuários.
2. Selecionar os vizinhos mais próximos
3. Fazer previsão sobre avaliação do usuário alvo para um produto ainda nãoconsumido. Calcula-se o quão válido ou útil será o produto para o usuário alvo, apartir das avaliações feitas pelos vizinhos próximos.
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Filtragem Colaborativa
10:34 Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
n
j
ju
n
j
jijju
uiu
w
rrw
rP
1
,
1
,,
,
||
)(
Concluindo...
10:34 24Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Atividade Prática
10:34
http://movielens.umn.edu
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Atividade Prática
10:34
Registre-se no site MovieLens <http://movielens.umn.edu> que tem por objetivosugerir filmes. Este site é um dos sites pioneiros na área de Sistema deRecomendação.
Ao entrar na página de criação de uma conta, além das informações tradicionaissobre dados pessoais, você deverá avaliar um conjunto de 15 filmes para que osistema comece a entender seus gostos.
Em seguida, passeie pelas páginas e analise as recomendações exibidas para vocês.
Depois da experiência, identifique: o objetivo da recomendação, o dados de entrada,o tipo de saída, a forma de atuação, o grau de personalização, e qual o método derecomendação utilizado.
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Nesta aula conhecemos...
TÉCNICAS# Sistemas de recomendação
10:34 Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Material: https://sites.google.com/site/leinylsonnassau
10:34
Material baseado em:
Sistemas Colaborativos. M. Pimentel, M. A. Gerosa, H. Fuks, 2011.(Claudia Lage Rebello da Motta, Ana Cristina Bicharra Garcia, Adriana Santarosa Vivacqua,
Flávia Maria Santoro e Jonice de Oliveira Sampaio)
Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)
Na próxima aula veremos...
TÉCNICAS# Inteligência artificial
# Hardware
# Mobilidade
# Ubiquidade
10:34 Sistemas Cooperativos: Aula 14 – TÉCNICAS (Sistemas de recomendação)