Tema
Estudo comparativo de algoritimos de recomendação
Resumo
Com o advento das mídias socias, tecnologia RFID entre outras, é possível ter acesso a dados digitais em um volume, velocidade e variedade inéditos e uma das áreas crescentes que utilizam essa enorme gama de dados é a de Sistemas de Recomendação.
Os sistemas de recomendação fazem uso de algoritimos de recomendação, que são divididos em 3 grupos: Collaborative filtering (se baseia em dados passados, tanto de itens comprados pelo usuário ou de notas atribuídas aos mesmos), Content-based filtering (utiliza características do usuário e do item para ofertar itens com características semelhantes) e Hybrid Recommender Systems (são algorítmos que combinam tanto Collaborative quanto Content-based e podem ser feitos de diversas formas diferentes).
Objetivo
O objetivo do TCC é, além de analisar e entender os diferentes tipos de algoritmos de recomendação, aplicá-los em um cenário do mundo real (e-commerce) para comparar os resultados e retornos financeiros de cada um.
Para tanto, pretende-se utilizar dados de Midias Sociais como Facebook, dados de buscas e também interações dos clientes para realizar uma recomendação utilizando o máximo de dados e possivelmente melhorar o grau de acertividade.
Atividades já realizadas
- Estudo de Algoritimos de Recomendação
- Estudo e Implementação do Facebook Graph API
- Comparação de dados obtidos no Facebook com os dados da empresa analisada
Cronograma das Atividades
- Estudo das tecnologias e dos conceitos (Março e Abril)
- Implementação dos APIs e Algoritimos (Abril a Agosto)
- Testes dos algoritimos (Julho e Agosto)
- Avaliação dos resultados obtidos (Setembro)
- Levantamento de Literatura (Abril até Outubro)
- Elaboração da Monografia (Agosto a Outubro)
- Preparação do pôster e apresentação (Setembro e Outubro)
Estrutura esperada da monografia
Parte técnica
- Introdução - motivação do projeto.
- Conceitos - apresentação dos conceitos estudados
- Tecnologias - apresentação das tecnologias estudadas e utilizadas no projeto
- Atividades realizadas - atividades realizadas na implementação
- Resultados - resultados obtidos, que servirão de base para a conclusão
- Conclusão
- Bibliografias
Parte subjetiva
- Desafios e frustrações
- Disciplinas relevantes ao trabalho
- Próximos passos
Bibliografia inicial
- LINDEN, Greg, SMITH, Brent, and YORK, Jeremy. Amazon.com Recommendations Item-to-Item Collaborative Filtering. http://www.cs.umd.edu/~samir/498/Amazon-Recommendations.pdf. Acessado em 04/05/2014
- LOPS, Pasquale, DE GEMMIS, Marco and SEMERARO, Giovanni. Content-based Recommender Systems: State of the Art and Trends. http://www.ics.uci.edu/~welling/teaching/CS77Bwinter12/handbook/ContentBasedRS.pdf. Acessado em 04/05/2014
- ADOMAVICIUS, Gediminas and ALEXANDER, Tuzhilin. Context-Aware Recommender Systems. http://ids.csom.umn.edu/faculty/gedas/nsfcareer/CARS-chapter-2010.pdf. Acessado em 04/05/2014
- RENDLE, Steffen. Fast Context-aware Recommendations with Factorization Machines. http://www.ismll.uni-hildesheim.de/pub/pdfs/Rendle_et_al2011-Context_Aware.pdf. Acessado em 04/05/2014