Orb's-RPG: Role Playing Game, Transmedia Storytelling e Literatura Coletiva
SistRec Intel Coletiva
-
Upload
josinei-cardoso -
Category
Documents
-
view
242 -
download
0
description
Transcript of SistRec Intel Coletiva
SISTEMAS DE RECOMENDAÇÃOINTELIGÊNCIA COLETIVA
Tecnologia para Inteligência de Negócios
Evolução da web
Web 2.0
Apps! Apps!Apps!
Web 3.0
Inteligência coletiva
Podemos utilizar informação proveniente de múltiplos usuários a fim de aprimorar uma aplicação
Fluxos de informação
Evolução de 1996 à 2006
Sobrecarga de informações
Efeito Google Pela quantidade de dados disponíveis
na web quase sempre temos que recorrer ao Google
Problemas Não existe início na web!
Para a maioria é o Google
Sites com ferramentas de busca ineficientes Usuários não sabem o que procuram
Efeito Google
Fonte: http://searchengineland.com/whos-really-winning-search-war-20465
SISTEMAS DE RECOMENDAÇÃO
Questões fundamentais "Estamos saindo da era da
informação e ingressando na era da recomendação" (Chris Anderson)
"Muitas vezes, as pessoas não sabem o que querem até que você mostre a elas" (Steve Jobs)
Recomendações sociais
Recomendação por intenção
São apresentados itens sobre de terminado assunto Livros Músicas
O usuário marca quais são de seu interesse e recebe recomendação de outros 'parecidos'
Exemplos
TripAdvisor
Dados reais Netflix
2/3 dos filmes alugados vêm de recomendações Ano da pesquisa: 2010
Google News 38% das notícias mais clicadas vêm de
recomendação Amazon
38% das vendas vêm de recomendação Ano da pesquisa: 2007
Como funciona?1. Prediz o quanto você pode gostar de um
certo produto ou serviço
2. Sugere uma lista de N itens ordenada de acordo com seu interesse
3. Sugere uma lista de N usuários ordenada para um produto ou serviço
4. Explica o por que tais itens foram recomendados
5. Ajusta a predição e recomendação de acordo com o seu feedback e de outros usuários
Filtragem por conteúdo
Filtragem colaborativa (user-based)
Problemas
Filtragem Híbrida
Exemplos
Recomendação Como saber se uma recomendação é
relevante?
Divide-se em treinamento e teste
Critérios (Métricas da área de Recuperação de Informação) RMSE, Curva de ROC, Rank-Utility, F-
Measure
User Experience
Contextos
Contextos
Níveis de Inteligência Contextual
Links http://www.ibm.com/developerworks/br
/local/data/sistemas_recomendacao/ Pinterest LinkedIn ResearchGate Twitter #Music
https://music.twitter.com/
ATIVIDADES
Atividade! Buscar principais aplicativos web/mobile que
fazem uso de recomendação Para qual conteúdo é feita recomendação?? O usuário pode diretamente influenciar o sistema
de recomendação?
Apresentar rapidamente para a turma! Ex.: Waze
Tipo de serviço Forma de uso Recomendações automáticas Interações do usuário com o app