Carregar apresentação
A apresentação está carregando. Por favor, espere
1
ESCOLA POLITÉCNICA DE PERNAMBUCO
Um serviço de recomendação inter-aplicações baseado em filtragem colaborativa Aluno: Jefferson Silva de Amorim Orientador: Prof. Dr. Byron Leite Dantas Bezerra
2
Objetivos Realizar uma revisão da literatura e propor novos sistemas e técnicas de recomendação inter-aplicações Adaptar a implementação de uma técnica de filtragem colaborativa para realizar recomendações inter-aplicações Desenvolver um Web Service que expõe as principais funcionalidades da técnica de filtragem colaborativa adaptada
3
Objetivos Desenvolver uma ferramenta web para coleta de dados e suporte à análise de recomendações Analisar as recomendações realizadas pelo serviço de recomendação desenvolvido
4
Conceitos fundamentais
5
Sistemas de Recomendação
Se utilizam de tecnologias de personalização Oferecem uma experiência personalizada aos usuários Possuem geralmente 2 funcionalidades: Predizer Nota Gerar Lista Personalizada
6
Sistemas de Recomendação
Engenho de personalização
7
Sistemas de Recomendação
Personalização de conteúdo Utiliza de informações do usuário para recomendar itens Função utilidade
8
Sistemas de Recomendação
Técnicas de personalização de conteúdo Baseada em conteúdo Filtragem colaborativa Demográfica
9
Sistemas de Recomendação
Filtragem colaborativa Duas abordagens podem ser utilizadas para definir a função utilidade: Memory-based Definem-se heurísticas Model-based Define-se um modelo a partir das avaliações
10
Sistemas de Recomendação
Filtragem colaborativa (Memory-based) Medida de similaridade Coeficiente de correlação de Pearson Função utilidade Baseada em kNN
11
Sistemas de Recomendação
Filtragem colaborativa (Memory-based) Vantagens: Recomendação inovadoras e surpreendentes Alto grau de reusabilidade Facilidade de extensão Desvantagens Problemas Novo usuário Novo item Esparsidade Ovelhas negras
12
Arquitetura Orientada a Serviços
Unidades lógicas representadas como pequenas unidades Utiliza o paradigma de orientação a serviços Características: Direcionada ao negócio Independente de plataforma Centrada na empresa Direcionada à composição
13
Arquitetura Orientada a Serviços
14
Arquitetura Orientada a Serviços
Web Services
15
Arquitetura Orientada a Serviços
Princípios de orientação a serviços
16
Metodologia proposta
17
Sistema de recomendação inter-aplicações
Modelo conceitual
18
Inter-Applications Recommendation Service
Desenvolvido utilizando as tecnologias: Java EE JBoss AS MySQL Mahout
19
Inter-Applications Recommendation Service
Modelo arquitetural
20
Inter-Applications Recommendation Service
Módulo de Serviço
21
Inter-Applications Recommendation Service
Módulo de Contextualização
22
Inter-Applications Recommendation Service
Módulo de Contextualização Descontextualização Contextualização
23
Inter-Applications Recommendation Service
Módulo de Recomendação
24
Inter-Applications Recommendation Service
Módulo de Recomendação Adaptações realizadas em 2 momentos: Coeficiente de correlação de Pearson Cálculo da utilidade
25
Inter-Applications Recommendation Service
Exemplo
26
Inter-Applications Recommendation Service
Repositório de Conhecimento
27
Análises e Resultados
28
Coleta de dados e análise de recomendações
Ferramenta desenvolvida para dar suporte a coleta de dados e as análises realizadas JSF Facelets Primefaces Composta por 3 módulos Coleta de dados Recomendação Usuário
29
Coleta de dados e análise de recomendações
Módulo de coleta de dados
30
Coleta de dados e análise de recomendações
Módulo de recomendação
31
Coleta de dados e análise de recomendações
Módulo de usuário
32
Coleta de dados e análise de recomendações
Base de dados Existentes Wikilens, MovieLens, Book-Crossing e Jester Joke Coletada 3 contextos 30 itens/contexto 52 usuários 1560 avaliações
33
Coleta de dados e análise de recomendações
Análise das recomendações Recomendação inter-aplicações X Recomendação clássica Itens recomendados Vizinhos do usuário
34
Coleta de dados e análise de recomendações
Itens recomendados Novos itens
35
Coleta de dados e análise de recomendações
Itens recomendados Omissão de itens
36
Coleta de dados e análise de recomendações
Itens recomendados Itens com notas e ordens de utilidade iguais
37
Coleta de dados e análise de recomendações
Itens recomendados Itens com notas iguais e ordens de utilidade diferentes
38
Coleta de dados e análise de recomendações
Itens recomendados Itens iguais com notas diferentes
39
Coleta de dados e análise de recomendações
Vizinhos do usuário Vizinhos iguais com mesma ordem de semelhança
40
Coleta de dados e análise de recomendações
Vizinhos do usuário Vizinhos iguais com ordens de semelhança diferentes
41
Coleta de dados e análise de recomendações
Vizinhos do usuário Vizinhos diferentes
42
Coleta de dados e análise de recomendações
Vizinhos do usuário Vizinhança híbrida
43
Considerações finais
44
Resultados e Dificuldades
Resultados promissores Ameniza alguns problemas Novo usuário e Ovelha negra Problemas como o do novo item e de esparsidade persistem Houve dificuldade em encontrar uma base de dados para teste Coleta de dados
45
Trabalhos futuros Experimentos baseados em análises estatísticas
Outras técnicas de filtragem CMBF, SMBF e HMBF Representação do conteúdo descritivo de itens pertencentes a diferentes aplicações Análise de Dados Simbólicos
46
Referências
47
Referências
48
Referências
49
Obrigado! O código fonte do projeto está disponível em
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.