Artur Lira dos Santos
Artur Ribeiro de Aquino
Fábio Abrantes Diniz
Lucas Silva Figueiredo







Introdução
Funcionamento
Motivação
Coleta de Informação
Estratégias (com demonstração)
Técnicas
Conclusão

O que é um Sistema de Recomendação (SR)?
 Sistema que tenta prover informações de
interesse para o usuário

Onde podemos encontrar?
 Sites de vendas
 Entretenimento
▪ Músicas
▪ Vídeos


Submarino
Last FM
1.
2.
3.
4.
O usuário faz um requisição
O servidor WEB pergunta ao SR o que exibir ao usuário
O SR decide o que será exibido e retorna a informação
O servidor WEB envia o resultado ao cliente
users
web server
recommender
DB

Universo de escolhas muito grande e muitas
vezes desconhecido
 Um SR tenta solucionar este problema
diminuindo esse universo
▪ Subconjunto de interesses


Fidelização
Diferencial
 hoje, praticamente um requisito

Identificação
 Servidor (Cadastro)
 Cliente (Cookies)

Implícita
 Informações baseadas na navegação

Explícita
 Informações fornecidas pelo usuário

Lista de recomendações
 Sem análise profunda
 Baseado na popularidade / itens mais usuais
 Útil, por exemplo, na escolha de um presente,
quando não se sabe o que comprar

Demonstração

Avaliação dos usuários
 Opiniões armazenadas
 Notas

Histórico / Perfil
 Recomendações para o usuário
▪ Implícitas
▪ Explícitas

Análise demográfica
 Interessados em X se interessam por Y

Associação por conteúdo
 Recomendação por similaridade de categorias
▪ Autor
▪ Gênero

Recuperação de Informação (RI)
 Necessidade descrita pelo usuário
 Busca explícita
▪ Base de informação para o SR

Filtragem de Informação (FI)
 Necessidade inferida pelo sistema
 Sistemas de recomendação se baseiam
principalmente em FI

Top N
 + lidos
 + vendidos
 + baixados
 + apontados (Google)
 + citados

Cross-sell
 Itens no mesmo carrinho (compra)
 Adquiridos com intervalo de tempo curto

Regras (Knowledge-based)
 Definidas manualmente
 Editor’s choice
 Extraídas por data mining

Filtragem baseada em Conteúdo
 Seleção de itens que compartilham de uma
característica em comum
▪ Categorias
▪ Carros
 Usada nas seguintes estratégias
▪ Associação por conteúdo
▪ Histórico/Perfil

Filtragem Colaborativa
 Troca de experiências entre pessoas de interesses
comuns
 Seleção dos itens a partir das avaliações e
aquisições dos usuários
 Não exige a classificação dos itens
 Usada nas seguintes estratégias
▪ Avaliação dos usuários
▪ Análise demográfica

Filtragem Híbrida
 Conteúdo + Colaborativa
▪ Junção das vantagens


Sistemas de recomendação auxiliam no
processo de busca e aquisição de informação
Facilitam na navegação web
 Principalmente em sites que possuem em sua
interface uma vasta possibilidade de escolhas

Tornou-se essencial para grandes sites por
seu direcionamento às informações
relevantes