Código: PPGEC_PHD_2024_1_CMOR_03

Universidade de Pernambuco
Programa de Pós-Graduação em Engenharia da Computação
(PPGEC)
Proposta de Tese de Doutorado
Área: Inteligência Computacional
Título: Tomada de Decisão Multicritério para Mapear o Comportamento do Consumidor: Uma
Abordagem de Inteligência Neuro-Simbólica com Aprendizagem de Máquina e Ontologias
Orientador: Cleyton Mário de Oliveira Rodrigues
A tomada de decisão no campo do comportamento do consumidor é um desafio complexo devido à diversidade
de fatores que influenciam as escolhas. Esses fatores podem incluir elementos culturais, sociais, pessoais,
psicológicos e outros aspectos relacionados ao contexto individual e ao ambiente em que as decisões são
tomadas. Para lidar com essa complexidade, o uso da Inteligência Neuro simbólica pode ser uma abordagem
promissora, combinando a aprendizagem de máquina para análise de dados e as ontologias para mapear o
conhecimento inerente do domínio.
O problema central desta proposta é a necessidade de desenvolver um modelo de tomada de decisão multicritério
que leve em consideração a influência de diversos fatores no comportamento do consumidor. Além disso, é
preciso lidar com a complexidade e a incerteza associadas a esses fatores, buscando uma abordagem que possa
capturar as relações entre eles e auxiliar na compreensão das preferências e necessidades dos consumidores. O
objetivo, portanto, deste projeto de doutorado é desenvolver uma abordagem baseada em Inteligência Neuro
simbólica para a tomada de decisão no domínio do comportamento do consumidor. Especificamente, busca-se:
 Investigar e mapear os principais fatores que influenciam o comportamento do consumidor, considerando
elementos culturais, sociais, pessoais, psicológicos e outros aspectos relevantes;
 Desenvolver ontologias que representem o conhecimento do domínio, permitindo a captura e o
mapeamento desses fatores em uma especificação formal e axiomatizada;
 Utilizar técnicas de aprendizagem de máquina para analisar dados relacionados ao comportamento do
consumidor, visando identificar padrões e relações de causa e efeito entre os fatores mapeados;
 Propor um modelo de tomada de decisão multicritério que integre a informação obtida das ontologias e
dos dados analisados, permitindo uma avaliação precisa das preferências e necessidades dos
consumidores;
 Validar a abordagem proposta por meio de estudos de caso e comparações com outras técnicas existentes,
demonstrando sua eficácia e superioridade em relação à tomada de decisão tradicional.
No geral, esse projeto de doutorado visa contribuir para a compreensão mais aprofundada do comportamento do
consumidor, através da integração da Inteligência Neurosimbólica, tomada de decisão multicritério,
aprendizagem de máquina e ontologias. Essa abordagem inovadora permitirá uma análise mais abrangente e
precisa dos fatores que influenciam as escolhas dos consumidores, possibilitando melhores estratégias de
negócios e contribuindo para o avanço da economia.

Referências Bibliográficas:

ALKHAMISI, Abrar Omar; SALEH, Mostafa. Ontology opportunities and challenges: Discussions from semantic data
integration perspectives. In: 2020 6th Conference on data science and machine learning applications (CDMA).
IEEE, 2020. p. 134-140.

KAKAD, Shital; DHAGE, Sudhir. Ontology construction from cross domain customer reviews using expectation
maximization and semantic similarity. In: 2021 International Conference on Emerging Smart Computing and
Informatics (ESCI). IEEE, 2021. p. 19-23.

ODU, G. O. Weighting methods for multi-criteria decision making technique. Journal of Applied Sciences and
Environmental Management, v. 23, n. 8, p. 1449-1457, 2019.

SHARMA, Pooja; KUMAR, Sachin. Analyzing Customer Behavior on Online Products Using Decision Tree Machine
Learning. In: 2022 International Conference on Advances in Computing, Communication and Materials
(ICACCM). IEEE, 2022. p. 1-8.