Apresentação Intermédia José Graciano Almeida Ramos Orientador: Professor Dr. Jaime S. Cardoso Responsável INESC Porto : MSc. Ricardo Sousa

FEUP-MIEIC 1



Projecto

• • •

Motivação

Problema Objectivos  Perspectiva de Solução Os Algoritmos colaborativos utilizados em sistemas de recomendação têm adquirido elevada importância maioritariamente devido ao seu uso no comércio electrónico como é o caso da Amazon. O sistema tendo em conta a informação do histórico de compras efectuadas por um cliente irá gerar uma lista de recomendações para futuras aquisições que não tenham sido consideradas até então.

FEUP-MIEIC 2



Projecto

• • •

Motivação

Problema Objectivos  Perspectiva de Solução FEUP-MIEIC 3



Projecto

• • • Motivação

Problema

Objectivos  Perspectiva de Solução • Estudo dos sistemas de recomendação identificando os vários algoritmos existentes.

• Implementação e aperfeiçoamento de um algoritmo identificado como promissor FEUP-MIEIC 4



Projecto

• • • Motivação Problema

Objectivos

 Perspectiva de Solução • Implementação e aperfeiçoamento de um algoritmo identificado no levantamento do estado de arte. • Melhorar a qualidade da recomendação gerada com grandes quantidades de dados.

FEUP-MIEIC 5

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho •

Classificação dos Algoritmos Colaborativos

o o o o o o Métodos baseados em pesquisa Filtragem baseada em conteúdo Filtragem colaborativa Modelo de conjuntos – Cluster Filtragem colaborativa item-a-item Abordagem híbrida FEUP-MIEIC 6

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho

Métodos baseados em pesquisa

o Trata o problema como uma procura de itens relacionados entre si.

Exp: Procura por itens do mesmo autor, artista, realizador… o

Problema:

Para utilizadores com muitas avaliações é impraticável realizar pesquisas com todos as avaliações disponíveis.

o

Solução

Usar sub-conjunto de dados, o que reduz a qualidade da recomendação.

FEUP-MIEIC 7

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho

Filtragem baseada em conteúdo

o Gera recomendações baseadas na análise do conteúdo dos itens e no perfil do utilizador.

Baseia na informação obtida de forma implícita ou explicita.

o

Problema

O uso de questionários para obter informações é incómoda para o cliente.

o

Solução

Usar algoritmos que apreendem com as acções do cliente.

FEUP-MIEIC 8

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho

Filtragem colaborativa

o Colmata pontos que ficaram em aberto na filtragem baseada no conteúdo.

A recomendação é baseada em itens que pessoas com gostos similares apreciaram no passado o

Vantagem

Permite gerar recomendações inesperadas o

Desvantagem

A sua aplicação é computacionalmente dispendiosa FEUP-MIEIC 9

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho

Modelo de conjuntos - Cluster

FEUP-MIEIC 10

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho

Filtragem colaborativa Item-a-Item

o o o Desenvolvido pela Amazon devido à dificuldade dos algoritmos existentes em escalar a sua grande quantidade de dados.

Produz recomendações do boa qualidade em tempo real.

Gera recomendações baseado em tabelas de itens similares que são construidas off-line.

FEUP-MIEIC 11

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho o

Abordagem Híbrida

Combina métodos colaborativos e métodos baseado em conteúdo. Gera recomendações de maior qualidade.

o Pode ser realizada de quatro formas: 1.

2.

Combinar as recomendações obtidas separadamente Adicionar características dos métodos baseados em conteúdo aos modelos colaborativos 3.

4.

Adicionar características colaborativas aos modelos baseados em conteúdo Desenvolver um modelo único unificador de recomendação FEUP-MIEIC 12

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho •

Problemas dos algoritmos colaborativos

o Análise limitada de conteúdos o Super especialização o Problema do novo utilizador o Problema do novo item o Disparidade FEUP-MIEIC 13

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho •

Melhorias propostas

o Compreensão detalhada dos utilizadores e dos itens o Extensões para técnicas de recomendação baseada em modelos o Multi-dimensionalidade da recomendação Avaliações Multi-Critérios Intrusividade Flexibilidade Eficácia da recomendação FEUP-MIEIC 14

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho •

Revisão Tecnológica

FEUP-MIEIC 15

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho •

Revisão Tecnológica

o o o o Ferramenta optimização robusta em problemas Incorpora Toolboxes relacionadas algoritmos identificados no estado da arte de com Útil na análise de dados implementação inicial de algoritmos e Possibilidade de programação de integrar código facilita com aplicações desenvolvidos noutras linguagens FEUP-MIEIC 16

 Projecto 

Perspectiva de Solução

• • •

Estado da Arte

Metodologias Plano de trabalho •

Revisão dos Métodos Científicos

o o o o o o o o Redes neuronais Algoritmo do vizinho mais próximo K-means Modelos Bayesianos Cadeias de Markov CART Algoritmos genéticos SVR FEUP-MIEIC 17

 Projecto 

Perspectiva de Solução

• • • Estado da Arte Metodologias

Plano de trabalho

FEUP-MIEIC 18



Projecto



Perspectiva de Solução

FEUP-MIEIC 19