Escolar Documentos
Profissional Documentos
Cultura Documentos
Universidade Estadual de Maring Departamento de Informtica Programa de Ps-Graduao Mestrado em Cincia da Computao Disciplina: Seminrios II Aluna: Kssia Rita da Costa Marchi
Organizao
Por que Sistemas de Recomendao? Recuperao de Informao Filtragem de Informao X Recuperao de Informao Sistemas de Recomendao Tcnicas de Filtragem aplicadas a Sistemas de Recomendao Exemplos de Sistemas de Recomendao Limitaes dos Sistemas de Recomendao Onde queremos chegar? Referncias
Diversidade de opes;
Sociedade de Informao;
Information Overload;
Gerou:
Volume excessivo de Informao SOBRECARGA DE INFORMAO
Recuperao de Informao
Exemplos de motores de busca
Google Alta Vista Google Scholar MetaCrawler HotBot Lycos Yahoo
Motivao
A dificuldade de encontrar informaes realmente relevantes e confiveis em nossas buscas pela Internet.
Recuperao de Informao
Definio apresentada por Robertson (Robertson apud [BEJ 92]).
Sistema de Recuperao assim considerado se o mesmo tiver a funcionalidade de conduzir o usurio para aqueles documentos que melhor iro habilit-lo a satisfazer as suas necessidades de informao. Exemplo: Motores de busca
Filtragem de Informao
Geralmente mantm um perfil de interesses do usurio.
Necessita de uma especificao clara de um perfil. A filtragem no se refere ao momento, e sim s suas preferncias. Recuperao baseia-se na percepo de uma necessidade do momento pelo usurio.
Sistemas de Recomendao
A definio dada por Renisk e Varian :
Sistemas que utilizam as opinies de uma comunidade de usurios para auxiliar indivduos desta mesma comunidade a identificarem contedos de interesse em um conjunto de opes que poderiam caracterizar uma sobrecarga.
Sistemas de Recomendao
Usurios
Itens
Sistemas de Recomendao
Cada componente do vetor corresponde a freqncia que uma palavra ocorre em um documento ou em uma consulta do usurio. Vetores dos documentos prximos aos vetores da consulta dos usurios so considerados relevantes.
Filtragem Colaborativa
Complementa a filtragem baseada em contedo. Sistema especfico no qual a filtragem da informao auxiliada por um humano. Procuram predizer a pontuao de um item para um consumidor em particular, baseado em como outros usurios com gostos semelhantes ao usurio alvo previamente pontuaram o mesmo item.
Filtragem Colaborativa
Usurios User 1 User 2 User 3 User 4 Itens A1 4 4 A2 3 5 2 A3 5 4 5 3 A4 3 2 ? 5
Filtragem Colaborativa
De acordo com HERLOCK, essa tcnica pode ser descrita em 3 fases:
Calcular o peso de cada usurio do sistema em relao similaridade com o usurio alvo (mtrica da similaridade) Selecionar um subconjunto de usurios com maiores similaridades para considerar predio. Normalizar as avaliaes e computar as predies ponderando as avaliaes dos vizinhos.
Filtragem Hbrida
Descoberta de relacionamento entre usurios Trato de usurios incomum
Filtragem
Filtragem baseada
Colaborativa
Recomendao baseada na avaliao de itens
em contedo
Preciso independente do nmero de usurios e avaliaes
Fonte: ADOMAVICIUS
Referncias
DENNING, P. J. Eletronic Junk. Communications of the ACM, New York, v.25, n.3, p. 163-165, Mar. 1982. PEREIRA, R. , SILVA, S. R. P.. The Use of Cognitive Authority for Information Retrieval in Folksonomy Based Systems. Maring: Programa de Ps-Graduao em Cincia da Computao da UEM, 2008. CAZELA, S. Aplicando a Relevncia da Opinio de Usurios em Sistema de Recomendao para Pesquisadores . 2006. 180 f. Tese ((Doutorado em Cincia da Computao) UFRGS
Referncias
BELVIN, N. J.; CROFT, W. B. Information Filtering and Information Retrieval: two sides of the same coin? Communications of the ACM, New York, v.35, n.12, p. 29, Dec. 1992. RESNICK, P.; VARIAN, H. R. Recommender Systems. Communications of the ACM, New York, v.40, n.3, p. 55-58, Mar. 1997. RESNICK, P.; VARIAN, H. R. Recommender Systems. Communications of the ACM, New York, v.40, n.3, p. 55-58, Mar. 1997.
Referncias
HERLOCKER, J. L. Understanding and Improving Automated Collaborative Filtering Systems. 2000. 220 f. Tese (Doutorado em Cincia da Computao) - University of Minnesota, Minnesota. ADOMAVICIUS, G.; TUZHILIN, A. Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions. IEEE Transactions on Knowledge and Data Engineering, New York, v. 17, n. 6, p. 734-749, June. 2005.