ESCOLA POLITÉCNICA DE PERNAMBUCO

Apresentação em tema: "ESCOLA POLITÉCNICA DE PERNAMBUCO"— Transcrição da apresentação:

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