Download - Sistemas de Recomendação - Parte 1
![Page 1: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/1.jpg)
Sistemas de Recomendação: uma visão geral (Parte 1)
Ralph J. R. Filho
![Page 2: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/2.jpg)
Tópicos
Parte I● Conceitos básicos● Exemplos usando MovieLens
Parte II● Algoritmos● Aplicações na Indústria● Pesquisa● Considerações Finais
![Page 3: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/3.jpg)
Parte II. Conceitos Básicos
![Page 4: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/4.jpg)
3 bilhões de usuários de Internet
![Page 5: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/5.jpg)
Motivação
• Buscas • Comunicação• E-mail• Notícias• Artigos• Música• Videos• Filmes• Cursos• Compras
![Page 6: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/6.jpg)
Motivação
• Popularização da internet
• Primeiros motores de busca eram rudimentares
• Google revolucionou
• Os demais se aperfeiçoaram
• Artigos (Scopus, Scholar), Compras (Amazon) dentre outros
![Page 7: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/7.jpg)
Motivação
• ... desde que você saiba exatamente o quê está procurando
![Page 8: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/8.jpg)
Motivação
•Como encontrar conteúdo adequado, que satisfaça as minhas necessidades como consumidor, desde os momentos de estudo até os momentos de entretenimento?
•Eu sempre sei exatamente o que eu quero consumir (assistir, ler, ouvir, comprar)?
![Page 9: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/9.jpg)
Motivação
•Como os sites que eu frequento podem me ajudar a escolher?
•O que acontece quando eu me deparo com muitas opções?
•Quais as vantagens que um negócio tem em recomendar de forma eficaz e eficiente?
![Page 10: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/10.jpg)
![Page 11: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/11.jpg)
![Page 12: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/12.jpg)
![Page 13: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/13.jpg)
![Page 14: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/14.jpg)
O que é uma Recomendação?
![Page 15: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/15.jpg)
O que é uma recomendação?
• É uma lista de itens ordenados gerada para um usuário considerando suas preferências e em conformidade com um contexto
![Page 16: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/16.jpg)
O que é uma recomendação?
• É uma lista de itens ordenados gerada para um usuário considerando suas preferências e em conformidade com um contexto
• Normalmente, a recomendação é construída com base em previsões do quão provável será de que o usuário consumirá o item.
![Page 17: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/17.jpg)
O que é uma recomendação?
• É uma lista de itens ordenados gerada para um usuário considerando suas preferências e em conformidade com um contexto
• Normalmente, a recomendação é construída com base em previsões do quão provável será de que o usuário consumirá o item.
• As previsões são calculadas com entradas que inclui o perfil do usuário e suas ações históricas
![Page 18: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/18.jpg)
O que é um Sistema de Recomendação?
• Um Sistema de Recomendação (SR) é um software que• Antecipa as necessidades dos usuários
![Page 19: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/19.jpg)
O que é um Sistema de Recomendação?
![Page 20: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/20.jpg)
Objetos de Estudo
![Page 21: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/21.jpg)
Objetos de estudo
• Modelos que representam o perfil do usuário para capturar preferências e gostos
![Page 22: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/22.jpg)
Objetos de estudo
• Modelos que representam o perfil do usuário para capturar preferências e gostos
• Técnicas para calcular similaridades e relacionamentos
![Page 23: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/23.jpg)
Objetos de estudo
• Modelos que representam o perfil do usuário para capturar preferências e gostos• Técnicas para calcular similaridades e relacionamentos
• Condições que envolvem quais itens devem ser recomendados e como estes devem ser apresentados (acuracidade, serendipidade, cobertura, diversidade)
![Page 24: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/24.jpg)
Objetos de estudo
• Modelos que representam o perfil do usuário para capturar preferências e gostos• Técnicas para calcular similaridades e relacionamentos• Condições que envolvem quais itens devem ser recomendados e como estes
devem ser apresentados (acuracidade, serendipidade, cobertura, diversidade)
• Compreender o que os usuários querem, quando eles querem e porque eles querem (domínio).
![Page 25: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/25.jpg)
Sistemas de recomendação
• Variam de acordo com o domínio• Em alguns domínios o usuário consumirá um item
várias vezes (música, compras), em outros, o usuário consumirá apenas uma vez (na maioria das vezes) (filmes, notícias)
![Page 26: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/26.jpg)
Origem dos Dados
![Page 27: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/27.jpg)
Dados
•São de origem implícita ou explícita•Podem ser unários, binários ou contínuos
![Page 28: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/28.jpg)
Dados
•De onde vem os dados dos domínios
• Filmes
• Notícias
• e-Commerce
![Page 29: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/29.jpg)
Dados
•Filmes (memória longo prazo)
• Avaliação
• Tempo assistindo
• Quantas vezes assistiu
• Adicionou em uma lista
![Page 30: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/30.jpg)
Dados
•Notícias (memória de curto prazo)
• Clicou no artigo
• Compartilhou em rede social
• Escreveu um comentário
• Upvote/downvote
• Tempo de leitura
![Page 31: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/31.jpg)
Dados
•e-commerce
• Cliques
• Compras
• Comprou como presente
• Colocou no carrinho
• Escreveu comentários
• Avaliação
![Page 32: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/32.jpg)
Como resolver?
![Page 33: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/33.jpg)
Como resolver?
![Page 34: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/34.jpg)
Sistemas de recomendação
• Divido em duas categorias:
• Avaliações de vizinhos (filtro colaborativo)
• Análise de vetor de atributos (filtro baseado em
conteúdo)
• Alguns autores incluem também:
• Filtro demográfico
• Filtro baseado em conhecimento
![Page 35: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/35.jpg)
Filtro Colaborativo
• Utiliza apenas as avaliações dos usuários (implícito ou explícito)
Usuário Item 1 Item 2 Item 3 Item 4 Item 5
Usuário X 4.5 3.0 1.0 2.0 ?
José 3.5 2.5 1.5 ? 4.5
Ana 5.0 ? 3.0 ? 3.0
Catarina 2.0 4.0 4.5 3.0 ?
Bruno ? ? 1.0 2.0 4.0
Janice 2.5 ? ? 3.0 5.0
![Page 36: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/36.jpg)
Filtro Colaborativo
• Encontrar o(s) mais próximo(s)
Item 1
Item 2
Usuário X
José
Ana
CatarinaJanice
![Page 37: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/37.jpg)
Filtro Colaborativo
• Em função de usuários
Ana
José
Item 2
Item 1
Item 5Item 3
![Page 38: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/38.jpg)
Filtro Colaborativo
http://dataconomy.com/an-introduction-to-recommendation-engines/
![Page 39: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/39.jpg)
Filtro Colaborativo
•k-NN de itens ou usuários•Medida de similaridade varia. Tradicional: Correlação de Pearson
•Cálculos de previsão das avaliações que o usuário dará para cada item varia (será visto na seção Algoritmos)
![Page 40: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/40.jpg)
Filtro baseado em conteúdo
http://dataconomy.com/an-introduction-to-recommendation-engines/
![Page 41: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/41.jpg)
Filtro baseado em conteúdo
• Utiliza apenas os atributos e a preferência do usuário pelos mesmos
• Utilizado historicamente para documentos• Term Frequency Inverse Document Frequency (TFIDF)
• Information Retrieval, motores de busca
• Modelo de Espaço Vetorial• “Each dimension corresponds to a separate term. If a term
occurs in the document, its value in the vector is non-zero” Wikipedia
![Page 42: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/42.jpg)
Filtro baseado em conteúdo
• Atributos• Filmes
• Atores• Diretores• Gêneros• Tags• Ano• País
• Música• Cantor(a)• Componentes da banda• Estilo(s)
![Page 43: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/43.jpg)
Filtro baseado em conteúdo
• Domínio de filmes
Ação Comédia
Horror Romance
Sci-Fi …
Toy Story 0 1 0 0 0
Alien 1 0 1 0 1
Titanic 1 0 0 1 0
Indiana Jones and the Raiders… 1 1 0 0 0
Pirates of the Caribean and the Curse…
1 1 0 1 0
….
![Page 44: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/44.jpg)
Filtro baseado em conteúdo
• Exemplo avaliações do usuário “Alice”
Ação Comédia
Horror Romance
Sci-Fi …
Perfil do Usuário Alice +1 +2 -1 +2 -1
Filme Avaliação (0.5 – 5.0)
Toy Story 5.0
Alien 2.0
Titanic 4.5
Indiana Jones and the Raiders… 3.0
Pirates of the Caribean and the Curse…
3.5
![Page 45: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/45.jpg)
Filtro baseado em conteúdo
Jing, Y. et al. - “Visual Search at Pinterest”, 2015
![Page 46: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/46.jpg)
Sistemas de Recomendação
•Outras técnicas
• Não-personalizado
• Ciente de contexto
• Demográficos
• Baseado em conhecimento
• Híbrido
![Page 47: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/47.jpg)
Não-personalizado
![Page 48: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/48.jpg)
Ciente de contexto
• Localização geográfica• Infraestrutura (casa, apartamento, garagem)• Humor• Ocasião• Condições climáticas• Horário• Iluminação• Temperatura• …
![Page 49: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/49.jpg)
Demográfico
• Idade• Gênero• Etnia• Orientação sexual• Educação• Tem crianças• Cidade / Estado / País• Renda• Ocupação• Religião• …
![Page 50: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/50.jpg)
Baseado em conhecimento
• O usuário sabe parte das especificações do que quer• Geralmente, para itens que são comprados uma vez ou poucas vezes
• Computador, carro, casa• Tela 13” ou 14”• Keyboard backlight• 8 GB RAM• SSD Hard Disk• Peso máximo
![Page 51: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/51.jpg)
Parte III. Exemplos no contexto MovieLens
![Page 52: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/52.jpg)
movielens.org
![Page 53: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/53.jpg)
Sistemas de Recomendação
• MovieLens (movielens.org) é mantido por GroupLens Research Project (University of Minnesota)
• DataSets públicos
• Stable (benchmarks) [100K / 1M / 10M / 20M]
• Current (playground) [100K / 22M]
• MovieLens Current (2016-01) DataSet (Small)
• ≈ 700 users
• ≈ 10,000 movies
• ≈ 100,000 ratings
http://grouplens.org/datasets/movielens/
![Page 54: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/54.jpg)
Sistemas de Recomendação
• A seguir serão apresentados algumas análises de recomendações do MovieLens para um usuário
• Abordagens
• Híbrido (preferência por grupos de itens gerados por clustering)
• Filtro colaborativo Item-Item
• Feature learning através de fatorização matricial usando SVD
![Page 55: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/55.jpg)
MovieLens
![Page 56: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/56.jpg)
MovieLens
![Page 57: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/57.jpg)
MovieLens
![Page 58: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/58.jpg)
Sistemas de Recomendação
• Porquê desta recomendação?• Previsão é 5 estrelas• Filtro colaborativo Item-Item
![Page 59: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/59.jpg)
Sistemas de Recomendação
•Gêneros: Adventure, Family, Fantasy
![Page 60: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/60.jpg)
Sistemas de Recomendação
• Preferências
![Page 61: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/61.jpg)
Sistemas de Recomendação
•Gêneros “History”, “Western” ou “Crime” seriam mais apropriados
•Mas neste caso está sendo utilizado filtro colaborativo item-item
•Que representa as preferências gerais de todos os outros usuários que avaliaram os filmes
•Quais itens similares o usuário avaliou?
![Page 62: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/62.jpg)
Sistemas de Recomendação
![Page 63: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/63.jpg)
Sistemas de Recomendação
•Pensando bem: muda a avaliação de “Raiders of the lost ark” de 5 para 4 estrelas.
![Page 64: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/64.jpg)
Sistemas de Recomendação
Ainda recomendado, mas houve queda de 4.87 para 4.73 na previsão (apenas mudando um pouco a avaliação de 1 filme)
![Page 65: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/65.jpg)
Sistemas de Recomendação
•Lembrando que filtro colaborativo ignora features, então o filme seria recomendado mesmo que o sistema pudesse inferir que o usuário não gosta do gênero Romance
![Page 66: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/66.jpg)
Sistemas de Recomendação
•Trocando o algoritmo para: Simon Funk’s SVD• Comprime os dados de avaliações em fatores que capturam as preferências essenciais dos usuários
http://sifter.org/~simon/journal/20061211.html
![Page 67: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/67.jpg)
Sistemas de Recomendação
![Page 68: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/68.jpg)
Sistemas de Recomendação
![Page 69: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/69.jpg)
Sistemas de Recomendação
• Preferências do usuário
![Page 70: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/70.jpg)
Sistemas de Recomendação
Avaliações para filmes deste diretor
![Page 71: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/71.jpg)
Sistemas de Recomendação
Avaliações para filmes do ator principal
![Page 72: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/72.jpg)
Sistemas de Recomendação
Al Pacino
Coppola
Gêneros•“The Godfather: Part II” parece ser uma boa recomendação
![Page 73: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/73.jpg)
Sistemas de Recomendação
•Outra recomendação•Ainda usando Simon Funk SVD
![Page 74: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/74.jpg)
Sistemas de Recomendação
![Page 75: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/75.jpg)
Sistemas de Recomendação
• Não tem os gêneros favoritos do usuário (Adventure, Fantasy, Animation)
• Não foi avaliado nada deste diretor nem do elenco
• Então, porquê esta recomendação?
![Page 76: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/76.jpg)
Sistemas de Recomendação
•Não tem os gêneros favoritos do usuário (Adventure, Fantasy, Animation)
•Não foi avaliado nada deste diretor nem do elenco
•Então, porquê esta recomendação?•Existem outras features
![Page 77: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/77.jpg)
Sistemas de Recomendação
•Foi traduzido para a língua Japonesa• Inclui 5 tags marcadas com sentimento positivo
•Tem boas avaliações
![Page 78: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/78.jpg)
Sistemas de Recomendação
As tags do filme recomendado
![Page 79: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/79.jpg)
Sistemas de Recomendação
Tags utilizadas pelo usuário em outros filmes, indicando sentimento positivo
![Page 80: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/80.jpg)
Sistemas de Recomendação
![Page 81: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/81.jpg)
Sistemas de Recomendação
Avaliados pelo usuário que foram traduzidos para a língua Japonesa
![Page 82: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/82.jpg)
Sistemas de Recomendação
http://www.huffingtonpost.com/2013/08/21/netflix-my-list_n_3790472.html
![Page 83: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/83.jpg)
Sistemas de Recomendação
• Features no MovieLens• Gêneros• Ano• Línguas• Diretores• Atores• Wish List• Tags
![Page 84: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/84.jpg)
MovieLens
![Page 85: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/85.jpg)
Sistemas de Recomendação
• Limites de Data Mining / Machine Learning: como ir além dos padrões e capturar a complexidade das necessidades humanas?
• A seguir exemplos hipotéticos
![Page 86: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/86.jpg)
Sistemas de Recomendação
Avaliações do Usuário “Alice”
![Page 87: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/87.jpg)
Sistemas de Recomendação
Avaliações do Usuário “Alice”
![Page 88: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/88.jpg)
Sistemas de Recomendação
Previsões para o usuário “Alice”
![Page 89: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/89.jpg)
Sistemas de Recomendação
•As previsões de avaliações resultariam em um ranking ordenado de forma decrescente o que significa que o usuário provavelmente iria selecionar o seguinte item:
![Page 90: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/90.jpg)
Sistemas de Recomendação
![Page 91: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/91.jpg)
Sistemas de Recomendação
•Mas, na maior parte do tempo em que consome filmes, o usuário está cansado de um dia corrido, e quer relaxar
•Então, a escolha é:
![Page 92: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/92.jpg)
Sistemas de Recomendação
![Page 93: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/93.jpg)
Sistemas de Recomendação
![Page 94: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/94.jpg)
Sistemas de Recomendação
•Outro exemplo
•O usuário avalia ao máximo os seguintes filmes
![Page 95: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/95.jpg)
Sistemas de Recomendação
![Page 96: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/96.jpg)
Sistemas de Recomendação
•Um algoritmo inspirado em filtro baseado em conteúdo poderá detectar que este usuário gosta de:
• Filmes aonde Silvester Stallone é o ator principal
• Filmes do gênero ação
![Page 97: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/97.jpg)
Sistemas de Recomendação
•Portanto, um filme de ação estrelando Silvester Stallone seria muito bom para este usuário, certo?
•Então, eis a recomendação
![Page 98: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/98.jpg)
Sistemas de Recomendação
![Page 99: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/99.jpg)
Sistemas de Recomendação
![Page 100: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/100.jpg)
Sistemas de Recomendação
![Page 101: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/101.jpg)
Sistemas de Recomendação
•Usando filtro colaborativo o resultado poderia ter sido diferente
•Ou ainda, usando apenas a informação da avaliação disponível para este filme
![Page 102: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/102.jpg)
Sistemas de Recomendação
![Page 103: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/103.jpg)
Sistemas de Recomendação
• Filtro baseado em conteúdo elimina o cold-start para itens, mas nem sempre captura adequadamente as preferências do usuário
• Filtro colaborativo é um modelo fácil de replicar para qualquer domínio, mas ignora as features, o que pode favorecer itens populares
• Preferências por features podem ser induzidas através das avaliações
![Page 104: Sistemas de Recomendação - Parte 1](https://reader033.vdocuments.net/reader033/viewer/2022051520/58eec4801a28aba5798b4581/html5/thumbnails/104.jpg)