Roteiro Motivação Objetivos Sistemas de recomendação Mapas auto-organizáveis Modelo Proposto Conclusões Trabalhos Futuros 2.

Slides:



Advertisements
Apresentações semelhantes
Parte I - Sistemas de Aprendizado: Overview
Advertisements

Preparação e apresentação do relatório
REDES AUTO-ORGANIZAVEIS (MAPAS AUTO-ORGANIZÁVEIS)
Engenharia de Software
ISO Processos do Ciclo de Vida do Software
Natanael (njsj) Thiago (tan2) Rodrigo (rml2)
LOCALIZAÇÃO E DISTRIBUIÇÃO
Adaptive Resonance Theory Carpenter & Grossberg
Aprendizado de Máquina
Tópicos Avançados de SI
A GESTÃO DO CONHECIMENTO
Modelagem e simulação de sistemas
Redes de Kohonen Paulo Adeodato e Germano Vasconcelos
Diretrizes para Desenvolvimento do Projeto
Aluno: Julio César Barbieri Gonzalez de Almeida
Seleção de Materiais Especiais
Integrando Textura e Forma para a Recuperação de Imagens por Conteúdo
ESCOLA POLITÉCNICA DE PERNAMBUCO
Anderson Berg Orientador: Prof. Fernando Buarque
Ambiente de simulação Os algoritmos previamente discutidos foram analisados usando um simulador de mobilidade. Ele modela uma cidade de 20 Km de raio,
Como Desenvolver Sistemas de Informação
Título do Trabalho Nome Orientador Data.
Agentes de Desenvolvimento Cooperativo
Regras na Construção de uma Apresentação
Inteligência Artificial
Sistemas de Recomendação
Aprendizado Baseado em Instâncias – Algoritmo k-NN
Redes Neurais Auto-organizáveis
S.I.S.D. – Soluções Inteligentes para Sistemas Distribuídos
Anderson Berg Orientador: Prof. Fernando Buarque
Uma solução colaborativa
Adicionando Escalabilidade ao Framework de Recomendação Idealize
POLÍTICA DE SELEÇÃO NA F.D.A – PARTE III José Antonio Machado do Nascimento.
Bruno Florencio Pinheiro Orientador: Renato Fernandes Corrêa
DW Vídeo-Locadora Gabriel Antonio da Silva
Redes neurais artificiais
Sistemas de Recomendação Mineração da Web
 São recomendações que utiliza o perfil do usuário para associar as busca e destacar as informações mais relevantes para o usuário. › Existe dois.
Grupo: André Tschaffon Rafael Pinheiro. Conteúdo da Apresentação Objetivo do trabalho Como utilizar o Design Rationale? Andamento do projeto 2.
UbiComp 2008 Projeto Guia Turístico Reunião 2 29/09/2008.
conhecimentos em resultados
Aplicativos Web Com Orientação a Objetos
TCC - Trabalho de Conclusão de Curso
ISO Processos do Ciclo de Vida do Software
REDES NEURAIS ARTIFICIAIS Mapa Auto-Organizável de Kohonen (Self-Organizing Map - SOM) pertence a classe de redes neurais não-supervisionadas que se baseiam.
Orientador: Prof. Msc. Silvio César Cazella Um protótipo de aplicação para recomendação de produtos baseado no interesse e comportamento de consumo do.
Sistemas de Recomendação
Sistemas de Recomendação – Filtragem Colaborativa
Uma proposta de pesquisa, produção e distribuição na internet.
Fotolog? Flickr? YouTube? 4 Definição (por Danah Boyd) PerfilAmigosComentários.
Curso de Pós-Graduação Lato Sensu em GOVERNANÇA DE TECNOLOGIA DA INFORMAÇÃO Prof. Flávio Yamanaka.
Classificação/Categorização Christian Diego – cdad Icamaan Viegas – ibvs.
IEEE Melhores Práticas para Descrições de Projeto de Software (DPS)
Classificação de Texto Baseada na aula de Henrique Borges e Ícaro Medeiros Alterada por Flávia Barros.
Performance Characterization of Descentralized Algorithms for Replica Selection in Distributed Object Systems Carlos Eduardo Benevides BezerraIvan Medeiros.
Clustering Algorithms for Gene Expression Analysis Pablo Viana Fagner Nascimento.
Reciclando idéias.
Engenharia de Software e Sistemas
Aprendizado da rede O aprendizado, na maioria das vezes, constitui no ajuste do conjunto de pesos de modo que a rede consiga executar uma tarefa específica.
Luana Bezerra Batista Redes Neurais Luana Bezerra Batista
Teremos nesta aula: 31 de julho de 2015 Aula 1 – OBJETIVOS DO MÓDULO Apostila: DESENVOLVIMENTO DE SITES 1 – 7 regras pra o desenvolvimento de um bom site.
EXTRANET Luciano Chede Abad
Um Método Colaborativo de Análise e Projeto
DESCOBERTA DE CONHECIMENTO SOBRE DADOS GEOESPACIAIS CENSITÁRIOS COM O AUXÍLIO DE MAPAS AUTO-ORGANIZÁVEIS Autores: Alan Yves C. M. Leite Dr. Leonardo N.
Aplicativos para internet Prof. Wolley
Mauricio Barbosa e Castro.  A construção de um produto multimídia se faz através de um projeto.  O escopo e a complexidade de um projeto de multimídia.
SisCad v1.0 Sistema de Cadastro de Pessoas.. Cadastro de Pessoas  Classificação por Grupo  Exibição da Foto da Pessoa  Facil acesso as informações.
O QUE FAZER COMO FAZER QUEM QUANDO ONDE REALIZADO PORQUE 1Conhecendo o produto por suas vantagens e descontos. 2 Treinamento ou auxilio do gerente 3Vendedor.
Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 12 Aprendizado não Supervisionado Mapas auto-organizáveis Max Pereira.
Transcrição da apresentação:

Roteiro Motivação Objetivos Sistemas de recomendação Mapas auto-organizáveis Modelo Proposto Conclusões Trabalhos Futuros 2

Motivação Recomendação de filmes 3

Objetivo Auxiliar clientes de vídeo locadoras – Prova de conceito de sistema de recomendação utilizando mapas auto- organizáveis 4

Conceitos Fundamentais Sistemas de recomendação Redes SOM 5

Sobrecarga Lojas virtuais Diversidade Marketing direto Sistemas de recomendação 6

Filtragem baseada em conteúdo Similaridade entre usuário e item Baseada no perfil do usuário previamente construído O perfil é conhecido através do conteúdo dos itens 7

Filtragem baseada em conteúdo Vantagens: Não são necessárias avaliações Recomenda todos os itens Desvantagens: Avalia conteúdo textual Superespecialização 8

Mapas auto-organizáveis Redes SOM (Self-organizing maps) Competitivo e não-supervisionado Teuvo Kohonen Córtex cerebral 9

Arquitetura das redes SOM 10

Treinamento Competitivo e não-supervisionado Distância euclidiana Região de vizinhança Atualização de pesos 11

Modelo proposto Sistema de recomendação para locadoras Baseado no histórico de locações Utiliza redes SOM Um mapa por cliente 12

Treinamento Inicia ciclo de treinamento Apresenta filme do histórico Seleção do melhor neurônio Atualiza pesos Há filmes não apresentadas no histórico? Os ciclos terminaram? Finaliza treinamento Não Sim 13

Funcionamento do modelo Rede treinada Cliente apresenta um novo filme à rede Filmes com maior similaridade 14

Experimentos MovieLens Data Set Pública Avaliações (1-5) Acervo de filmes avaliações por 943 usuários para 1682 itens 15

Experimentos Cada usuário foi tratado como um cliente da locadora Base de avaliações dividida entre treinamento e teste (80%/20%) 16

Experimentos Parâmetros: – Gêneros – Ano de lançamento – Número de locações 17

Resultados 18 Resultados para o cliente 1 e o filme Independence Day TítuloGêneroAnoNúmero de locaçõesAvaliação Independence Day Ação/Ficção científica/Guerra Starship Troopers Ação/Aventura/Ficção científica/Guerra Star Wars Ação/Aventura/Ficção científica/Guerra/Romance Empire Strikes Back, The Ação/Aventura/Ficção científica/Guerra/Romance

Resultados 19

Resultados Resultados para o cliente 6 e o filme Pulp Fiction TítuloGêneroAnoNúmero de locaçõesAvaliação Pulp FictionCrime/Drama GoodFellasCrime/Drama Donnie BrascoCrime/Drama Godfather, TheCrime/Drama

Resultados 21

Conclusões Mapas auto-organizáveis mostraram-se um bom método para construção do perfil de cliente Foi possível construir o perfil e conduzir o cliente a uma boa escolha 22

Discussões Não foi possível obter dados reais Clientes com poucos filmes no histórico obtêm resultados com filmes de pouca similaridade entre si 23

Trabalhos futuros Agregar outros parâmetros para construção do perfil, como atores, diretor, premiações Interface gráfica para interação com usuário Armazenamento do mapa Atualização dinâmica do mapa 24