Sistemas de Recomendao Uma abordagem geral

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

Por que Sistemas de Recomendao?

Aumento na produo da informao.
Preocupao que j vem de longa data;
Eletronic Junk;

Diversidade de opes;
Sociedade de Informao;

Information Overload;

Por que Sistemas de Recomendao?

Sobrecarga de Informao;
Internet como responsvel pelo aumento da proliferao da informao. Tecnologias que facilitam a publicao de contedos, impulsionou a quantidade de informao disponvel na web.

Por que Sistemas de Recomendao?

Sobrecarga de Informao;
Na web:
Ausncia de mecanismos ou medidas de controle:
Falta de qualidade; Falta de organizao;

Gerou:
Volume excessivo de Informao SOBRECARGA DE INFORMAO

Por que Sistemas de Recomendao?

Sobrecarga de Informao
Esta grande oferta pode ocasionar:
Falta de estmulo Dificuldade para encontrar o que deseja Sensao de estar perdido.

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 X Recuperao de Informao

Recuperao de Informao
Envolve
Armazenamento ndices Tecnologias para recuperao de documentos textuais.

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.

O sistema busca casar as palavras chaves informadas com documentos armazenados.

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.

Auxiliar no processo social de indicar e receber indicaes.

Sistemas de Recomendao

Usurios

Itens

Sistemas de Recomendao

Tcnicas de Filtragem aplicadas a Sistemas de Recomendao

Filtragem baseada em contedo Filtragem colaborativa Filtragem hbrida

Filtragem baseada em contedo

Objetivo
Gerar automaticamente, descries dos contedos dos itens e compar-los a descrio de cada item com a descrio do interesse do usurio, verificando se o item ou no relevante para esse usurio.

Filtragem baseia-se na anlise do contedo do item e no perfil do usurio

Filtragem baseada em contedo

Obtm-se o perfil do usurio atravs de:
Informaes explcitas obtidas pelo prprio usurio. Consultas. Aprendizagem dos itens que o usurio consome.

Filtragem baseada em contedo

Tcnica de indexao de freqncia de termos.
Informaes de documentos Necessidades de usurios
Descritas por vetores de uma dimenso

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 baseada em contedo

ndices de busca booleana
A consulta constitui-se em um conjunto de palavras chaves unidos por operadores booleanos.

Sistemas de filtragem probabilstica

Aplica o raciocnio probabilstico para determinar a probabilidade que um documento possui para atender as necessidades de informaes.

Filtragem baseada em contedo

Diversos sistemas de recomendao baseados em contedo so aplicados na recomendao de itens de texto. Geralmente so descritos por palavras-chaves. A importncia dos termos so medidas pela freqncia de vezes que o termo ocorre ao longo do texto.

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

Classificao de Sistemas de Recomendao

Fonte: ADOMAVICIUS

Exemplos de Sistemas de Recomendao

Projetos Acadmicos Referral Web Ringo GroupLens Fab MovieLens E muitos outros!!!! Projetos Comerciais Amazon.com E-bay Reel.com Drugstore.com E muitos outros!!!!

Limitaes dos Sistemas de Recomendao

Problema do primeiro avaliador Similaridade Superespecializao.

Onde queremos chegar?

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.

Dvidas? Sugestes? Crticas?

Todas so bem aceitas!! Muito Obrigada