Diferenças entre edições de "Sistema de recomendação"

101 bytes removidos ,  22h42min de 25 de novembro de 2013
sem resumo de edição
{{Reciclagem|data=abril de 2013}}
 
{{portal|Portal=[[Portal:Tecnologias de informação|Portal das tecnologias de informação]]}}
 
Um '''Sistema de Recomendação''' combina várias técnicas computacionais para selecionar itens personalizados com base nos interesses dos usuários e conforme o contexto no qual estão inseridos. Tais itens podem assumir formas bem variadas como, por exemplo, livros, filmes, notícias, música, vídeos, anúncios, links patrocinados, páginas de internet, produtos de uma loja virtual, etc. Empresas como [[Amazon]], [[Netflix]] e [[Google]] são reconhecidas pelo uso intensivo de sistemas de recomendação com os quais obtem grande vantagem competitiva.
 
== Contextualização ==
Em resposta à dificuldade das pessoas em escolher entre uma grande variedade de produtos e serviços e entre as várias alternativas que lhe são apresentadas, surgem os '''sistemas de recomendação''' computacionais. A evolução destes sistemas e o fato deles trabalharem com grandes bases de informações permitiram que recomendações emergentes (não triviais) pudessem ser alcançadas, proporcionando ainda maior credibilidade que uma recomendação humana.<ref>Resnick, P. and Varian, H. R. [1997]. Recommender Systems, Communications of the ACM 40.</ref>
 
<br /><br />
Os proponentes de um dos primeiros sistemas de recomendação, denominado Tapestry, desenvolvido no início dos anos 90, criaram a expressão “Filtragem Colaborativa” visando designar um tipo de sistema específico no qual a filtragem da informação era realizada com o auxílio humano, ou seja, através da colaboração entre os grupos interessados.<ref>Goldberg, D., Nichols, D., Oki, B. M. and Terry, D. [1992]. Using collaborative filtering to weave an information tapestry, Communications of the ACM 35.</ref>Vários pesquisadores acabaram adotando esta terminologia para denominar qualquer tipo de sistema de recomendação subseqüente. Resnick, no seu artigo, defendeu o termo “sistemas de recomendação” como terminologia mais genérica do que filtragem colaborativa, já que sistemas de recomendação podem existir sem nenhuma colaboração entre as pessoas. <ref>Hill, W., Stead, L.,Rosenstein, M. and Furnas, G. [1995]. Recommending and evaluating choices in a virtual community of use, CHI '95: Proceedings of the SIGCHI conference on Human factors in computing systems, ACM Press/Addison-Wesley Publishing Co., New York, NY, USA.</ref>
 
== Sistemas de Recomendação como área de Pesquisa ==
As raízes dos sistemas de recomendação podem ser encontradas nos trabalhos extensivos das ciências cognitivas, teoria de aproximação, recuperação da informação, teoria de previsões e também possuem influências das ciências de administração e marketing.<ref>Armstrong, J. S. [2001]. Principals of Forecasting, Springer, New York, NY, USA.</ref><ref>Murthi, B. P. S. and Sarkar, S. [2003]. The role of the management sciences in research on personalization, Manage. Sci. 49.</ref> A área de sistemas de recomendação emergiu como uma área de pesquisa independente, no meio da década de 90, quando a partir do sistema de recomendação Tapestry, os pesquisadores passaram a focar em problemas de recomendação que explicitamente invocavam estruturas de avaliação (''ratings''). A partir deste momento surgiram os primeiros artigos sobre filtragem colaborativa, nos quais o problema foi formalizado primeiramente e desde então estudado intensamente.
 
== Formalização do Problema ==
 
Em um sistema de recomendação a utilidade de um item é geralmente representada por uma avaliação que indica o quanto um determinado usuário gosta de um item (e.g. Rafaela deu ao filme "Harry Potter" a nota 7 em 10). No entanto, conforme descrito na definição acima, a função de utilidade pode ser uma função arbitrária.
 
<br /><br />
Cada elemento do espaço de usuários '''''C''''' pode ser definido através de um ''profile'' que inclui as características do usuário, como a sua idade, sexo, estado civil, renda, etc. No caso mais simples, o profile pode conter um único elemento como o User ID. Da mesma forma, cada item do espaço '''''S''''' pode ser definido por um conjunto de características. Por exemplo, na recomendação de filmes, na qual '''''S''''' é a coleção de filmes, cada filme pode ser representado não apenas pelo seu ID, mas também pelo seu título, gênero, diretor, ano de lançamento, atores principais, etc.
 
<br /><br />
O problema central dos sistemas de recomendação reside no fato da utilidade '''''u''''' geralmente não ser definida em todo o espaço '''''C x S''''', mas apenas em um subconjunto deste. Isto significa que '''''u''''' precisa ser extrapolado para todo o espaço '''''C x S'''''. Geralmente em sistemas de recomendação, a utilidade é definida através de avaliações, e estas são definidas apenas nos itens previamente avaliados pelos usuários. Deste modo, o algoritmo de recomendação deve ser capaz de estimar (predizer) as avaliações não realizadas para os pares ''usuário-item'' e de fazer recomendações apropriadas baseadas nestas predições.<ref>Sarwar, B., Karypis, G., Konstan, J. and Riedl, J. [2001]. Item-based collaborative filtering recommendation Algorithms, WWW10 Conference.</ref>
 
<br /><br />
A extrapolação de avaliações conhecidas para avaliações inexistentes é geralmente feita pela 1) especificação de ''heurísticas'' que definem a função utilidade e validam empiricamente sua performance e 2) pelas ''estimativas'' da função utilidade através da otimização de algum critério de performance como o ''mean square error''. Assim que avaliações desconhecidas são estimadas, o sistema de recomendação seleciona aquelas com maiores avaliações para serem recomendadas.
 
<br /><br />
A predição de avaliações de itens ainda não avaliados pode ser feita de diferentes formas utilizando métodos de aprendizado de máquinas, teorias de aproximação e vários tipos de heurísticas. Os sistemas de recomendação são classificados de acordo com o método de predição utilizado, o que auxilia na pesquisa da área. Esta classificação é feita usualmente em três categorias propostas inicialmente por Shoham e Balabanovic [1997]. Contudo, a explicação de cada uma delas vem sendo complementada pelos diversos trabalhos conduzidos desde então:
 
* '''[[Filtragem baseada em conteúdo|Recomendações Baseadas em Conteúdo]]''': O usuário receberá recomendações de itens similares a itens preferidos no passado;<ref>Shoham, Y. and Balabanovic, M. [1997]. Content-based, collaborative recommendation, Communications of the ACM 40</ref>
 
* '''[[Filtragem colaborativa|Recomendações Colaborativas]]''': O usuário receberá recomendações de itens que pessoas com gostos similares aos dele preferiram no passado. Este método é subdividido em duas catergorias: a primeira chamada de ''memory-based'', e a segunda chamada de ''model-based'';
* '''Métodos Híbridos''': Estes métodos combinam tanto estratégias de recomendação [[Filtragem baseada em conteúdo|baseadas em conteúdo]] quanto estratégias [[Filtragem colaborativa|baseadas em colaboração]].
** [http://www.musicstrands.com Musicstrands]
** [http://www.palcoprincipal.com/main/sistemaSugestao Palco Principal]
 
<ref>Goldberg, D., Nichols, D., Oki, B. M. and Terry, D. [1992]. Using collaborative filtering to weave an information tapestry, Communications of the ACM 35.</ref>
<ref>Resnick, P. and Varian, H. R. [1997]. Recommender Systems, Communications of the ACM 40.</ref>
<ref>Armstrong, J. S. [2001]. Principals of Forecasting, Springer, New York, NY, USA.</ref>
<ref>Murthi, B. P. S. and Sarkar, S. [2003]. The role of the management sciences in research on personalization, Manage. Sci. 49.</ref>
<ref>Hill, W., Stead, L.,Rosenstein, M. and Furnas, G. [1995]. Recommending and evaluating choices in a virtual community of use, CHI '95: Proceedings of the SIGCHI conference on Human factors in computing systems, ACM Press/Addison-Wesley Publishing Co., New York, NY, USA.</ref>
<ref>Shoham, Y. and Balabanovic, M. [1997]. Content-based, collaborative recommendation, Communications of the ACM 40</ref>
<ref>Sarwar, B., Karypis, G., Konstan, J. and Riedl, J. [2001]. Item-based collaborative filtering recommendation Algorithms, WWW10 Conference.</ref>
<references/>
 
 
== Ver também ==
 
* [[Sistemas de filtragem de informação]]
* [[Filtragem colaborativa]]
* [[Filtragem baseada em conteúdo]]
* [[Sistema de recomendação]]
* [[Recuperação de informação]]
 
{{referências}}
 
==Ligações externas==
 
[[Categoria:Web]]