SlideShare uma empresa Scribd logo
1 de 13
Baixar para ler offline
  Sistema de Recomendação   para Vídeolocadora   Componentes do Grupo:  Fernanda Araujo dos Casais   Gabriel Lang
      VIDEOBRASIL Clique  aqui
  Na criação destas listas, há apenas  a  observação  dos  tipos  de  itens mais  populares,  e  ordenação  destes  em grupos,  tais como: “Lançamentos",  “Filmes mais Locados”. A  principal  vantagem  neste  tipo  de  estratégia  está  na  facilidade  de implementação.  Basta manter  listas de filmes  de acordo com as necessidades de marketing, de aumento de lucratividade, de disseminação de informações (no caso de recomendação de conteúdo), etc  .  A  vantagem é  que as  recomendações são dirigidas a todos os usuários sem distinção.  Este tipo de recomendação é válido pois poderá  despertar  o  interesse  do usuário por algum tipo  de filme. TOP N Técnicas de Recomendação
Cadastro  Avaliação  Solicitação de Recomendações Lançamentos  Filmes mais locados  Ordem Alfabética  Filme  OK ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
    Comentários de texto(Ratings) 0s usuários podem escrever comentários sobre os filmes que locaram ou  conhecem para que outros usuários tenham acesso às suas opiniões. Essa estratégia de recomendação prevê liberdade aos usuários para expressar suas opiniões de diversas formas.  Podem  positivos ou negativos, gostei ou não gostei. Ao clicar em um filme o usuário terá a sinopse do filme, os comentários já feitos  sobre ele e a opção de colaborar acrescentando  comentários .
Comentários(5 de 14 opiniões foram selecionados) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
RECOMENDAÇÕES POR  FILTRAGEM A VídeoBrasil trabalhará com sistema de recomendação por filtragem. A filtragem de  informação  é  o  nome  utilizado  para  descrever  uma  variedade  de processos  que  envolvem  a  entrega  de  informação  para  as  pessoas  que  realmente  necessitam  delas. Esta abordagem geralmente mantém  um  perfil  dos  interesses  do usuário.  Para que um Sistema de Recomendação (SR) recomende produtos de acordo com as preferências individuais de um usuário, é necessário, primeiramente, ter conhecimento sobre quem é este usuário . A forma mais comum de identificação é através de um identificador (login) e de uma senha, que são informados manualmente pelos usuários antes de usar o SR.  Naturalmente, todos os usuários precisam preencher algum tipo de formulário de cadastro ao utilizar o sistema pela primeira vez. Essas informações ficam armazenadas em um banco de dados no servidor da loja virtual.
  RECOMENDAÇÕES POR  FILTRAGEM A VídeoBrasil trabalhará com sistema de recomendação por filtragem. A filtragem de  informação  é  o  nome  utilizado  para  descrever  uma  variedade  de processos  que  envolvem  a  entrega  de  informação  para  as  pessoas  que  realmente  necessitam  delas. Esta abordagem geralmente mantém  um  perfil  dos  interesses  do usuário.  Para que um Sistema de Recomendação (SR) recomende produtos de acordo com as preferências individuais de um usuário, é necessário, primeiramente, ter conhecimento sobre quem é este usuário . A forma mais comum de identificação é através de um identificador (login) e de uma senha, que são informados manualmente pelos usuários antes de usar o SR.  Naturalmente, todos os usuários precisam preencher algum tipo de formulário de cadastro ao utilizar o sistema pela primeira vez. Essas informações ficam armazenadas em um banco de dados no servidor da loja virtual.
Na  forma  explícita de construção do perfil, o usuário é responsável por  declarar espontaneamente suas preferências ao sistema.  Normalmente isso é feito pedindo aos usuários para avaliar/selecionar uma lista de itens. A Figura  abaixo mostra um dos formulários que permitem aos usuários declararem suas preferências pessoais.     Avaliação Avalie  Filme  Selecione 4,1  Apollo 13 (1995)   DVD  Aventura, drama  4,1  Apollo 13 (1995)   DVD  Aventura, drama  3,5  Alladim (1992)  DVD  Aventura,animação,Comédia  3,8   MASH (1970)   DVD, VHS   Comédia, drama
FILTRAGEM COLABORATIVA A Filtragem Colaborativa (FC) é uma técnica que, como o próprio nome diz, depende da colaboração de todos os usuários do SR para selecionar (filtrar) os itens que são recomendados a um usuário específico.  A essência dos sistemas colaborativos está na troca de experiências entre pessoas que possuem interesses em comum. As  avaliações são expressas na forma de uma nota dentro de um intervalo bem definido (geralmente de 1 a 5 ou de 1 a 7). O conjunto dessas avaliações constitui o perfil de preferências de um usuário, e é através da análise do conjunto desses perfis que o SR pode inferir quais itens serão recomendados a cada pessoa.
Para recomendar um filme para o usuário Fábio, o sistema deverá procurar qual usuário possui um conjunto de avaliações mais semelhante ao dele, ou seja, qual usuário gostou dos mesmos filmes que Fábio. Ao fazer rápida investigação na matriz, podemos perceber que Júlia é o usuário mais semelhante.  Foi utilizado a forma de similaridade para se determinar vizinhanças. Determina-se um grau de correlação, e todos os usuários que tiverem um grau de similaridade maior ou igual ao limiar estabelecido são incluídos na vizinhança do usuário ativo  . Hulk Matrix A vila Olga Tróia André 2 2 5 Fábio 6 4 4 2 Júlia 5 4 3 2 5 Paula  5 4 4 Pedro 4 5 6 3 5
No exemplo apresentado, se considerarmos que o limiar é  0,4, os vizinhos de Fábio  são Júlia e Paula. O último passo do algorítimo é a geração da recomendação. Considerando que a vizinhança foi determinada pelo método da similaridade em nosso exemplo, a suposta nota atribuída por Fábio ao filme Tróia seria:  Nota Fabio =  4 + (5-3,8)*0,916 + (4-4,33)*0,447 / |0,916| + |0,447| = 4,7 André Fábio Júlia Paula Pedro André 1  - 0,816 -0,618 -0,8 -0,943 Fábio - 0,816 1 +0,916 +0,447 +0,314 Júlia - 0,618 +0,916 1 - 0,176 -0,176 Paula - 0,8 +0,447 -0,176 1 1 Pedro - 0,943 +0,314 +0,269 +0,754 +0,754
É realizado comparações de filmes, ou seja, quando um cliente levou um filme de determinado gênero também levou outro de determinado gênero.  Através desta comparação podemos realizar mais um tipo de recomendação para os clientes.   TÉCNICA DE CROSS-SELL

Mais conteúdo relacionado

Semelhante a Sistema da Videolocadora

[Jose Ahirton Lopes] Algoritmos de Recomendacao
[Jose Ahirton Lopes] Algoritmos de Recomendacao[Jose Ahirton Lopes] Algoritmos de Recomendacao
[Jose Ahirton Lopes] Algoritmos de RecomendacaoAhirton Lopes
 
[Jose Ahirton Lopes] Algoritmos de Recomendacao II
[Jose Ahirton Lopes] Algoritmos de Recomendacao II[Jose Ahirton Lopes] Algoritmos de Recomendacao II
[Jose Ahirton Lopes] Algoritmos de Recomendacao IIAhirton Lopes
 
Melhor poster - Dia Mundia de Usabilidade
Melhor poster - Dia Mundia de UsabilidadeMelhor poster - Dia Mundia de Usabilidade
Melhor poster - Dia Mundia de UsabilidadeKarine Drumond
 
Sistemas de Recomendação e Inteligência Coletiva
Sistemas de Recomendação e Inteligência ColetivaSistemas de Recomendação e Inteligência Coletiva
Sistemas de Recomendação e Inteligência ColetivaMarcel Caraciolo
 
Mineração de padrões frequentes na base do Netflix
Mineração de padrões frequentes na base do NetflixMineração de padrões frequentes na base do Netflix
Mineração de padrões frequentes na base do Netflixguest0e3021
 
Sistemas de Recomendação - Parte 1
Sistemas de Recomendação - Parte 1Sistemas de Recomendação - Parte 1
Sistemas de Recomendação - Parte 1Ralph Rassweiler
 
Exemplo de Interface Homem Máquina
Exemplo de Interface Homem MáquinaExemplo de Interface Homem Máquina
Exemplo de Interface Homem MáquinaPatricia Batista
 
Sistemas de recomendação
Sistemas de recomendaçãoSistemas de recomendação
Sistemas de recomendaçãoLeonardo Zanette
 
SC-cap15-recomendacao-apresentacao.ppt
SC-cap15-recomendacao-apresentacao.pptSC-cap15-recomendacao-apresentacao.ppt
SC-cap15-recomendacao-apresentacao.pptJadna Almeida
 
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)Leinylson Fontinele
 
Sistemas de Recomendação - Parte 2
Sistemas de Recomendação - Parte 2Sistemas de Recomendação - Parte 2
Sistemas de Recomendação - Parte 2Ralph Rassweiler
 
Ergonomia e Usabilidade AULA 6.
Ergonomia e Usabilidade AULA 6.Ergonomia e Usabilidade AULA 6.
Ergonomia e Usabilidade AULA 6.Dra. Camila Hamdan
 
Identificação de Necessidades dos Usuários e Requisitos IHC
Identificação de Necessidades dos Usuários e Requisitos IHCIdentificação de Necessidades dos Usuários e Requisitos IHC
Identificação de Necessidades dos Usuários e Requisitos IHCAlanna Gianin
 
[Jose Ahirton Lopes] Apresentacao Sessao Tecnica I
[Jose Ahirton Lopes] Apresentacao Sessao Tecnica I[Jose Ahirton Lopes] Apresentacao Sessao Tecnica I
[Jose Ahirton Lopes] Apresentacao Sessao Tecnica IAhirton Lopes
 

Semelhante a Sistema da Videolocadora (20)

[Jose Ahirton Lopes] Algoritmos de Recomendacao
[Jose Ahirton Lopes] Algoritmos de Recomendacao[Jose Ahirton Lopes] Algoritmos de Recomendacao
[Jose Ahirton Lopes] Algoritmos de Recomendacao
 
[Jose Ahirton Lopes] Algoritmos de Recomendacao II
[Jose Ahirton Lopes] Algoritmos de Recomendacao II[Jose Ahirton Lopes] Algoritmos de Recomendacao II
[Jose Ahirton Lopes] Algoritmos de Recomendacao II
 
Melhor poster - Dia Mundia de Usabilidade
Melhor poster - Dia Mundia de UsabilidadeMelhor poster - Dia Mundia de Usabilidade
Melhor poster - Dia Mundia de Usabilidade
 
Sistemas de recomendação
Sistemas de recomendaçãoSistemas de recomendação
Sistemas de recomendação
 
Sistemas de Recomendação e Inteligência Coletiva
Sistemas de Recomendação e Inteligência ColetivaSistemas de Recomendação e Inteligência Coletiva
Sistemas de Recomendação e Inteligência Coletiva
 
Palestra unesp 2012
Palestra unesp 2012Palestra unesp 2012
Palestra unesp 2012
 
Mineração de padrões frequentes na base do Netflix
Mineração de padrões frequentes na base do NetflixMineração de padrões frequentes na base do Netflix
Mineração de padrões frequentes na base do Netflix
 
Sistemas de Recomendação - Parte 1
Sistemas de Recomendação - Parte 1Sistemas de Recomendação - Parte 1
Sistemas de Recomendação - Parte 1
 
Exemplo de Interface Homem Máquina
Exemplo de Interface Homem MáquinaExemplo de Interface Homem Máquina
Exemplo de Interface Homem Máquina
 
Personalização: O que é?
Personalização: O que é?Personalização: O que é?
Personalização: O que é?
 
Sistemas de recomendação
Sistemas de recomendaçãoSistemas de recomendação
Sistemas de recomendação
 
SC-cap15-recomendacao-apresentacao.ppt
SC-cap15-recomendacao-apresentacao.pptSC-cap15-recomendacao-apresentacao.ppt
SC-cap15-recomendacao-apresentacao.ppt
 
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)
 
Mídia Kit - Manual do Homem Moderno
Mídia Kit - Manual do Homem ModernoMídia Kit - Manual do Homem Moderno
Mídia Kit - Manual do Homem Moderno
 
Sistemas de Recomendação - Parte 2
Sistemas de Recomendação - Parte 2Sistemas de Recomendação - Parte 2
Sistemas de Recomendação - Parte 2
 
Ad1
Ad1Ad1
Ad1
 
Ergonomia e Usabilidade AULA 6.
Ergonomia e Usabilidade AULA 6.Ergonomia e Usabilidade AULA 6.
Ergonomia e Usabilidade AULA 6.
 
Sistemas de Recomendação na web
Sistemas de Recomendação na webSistemas de Recomendação na web
Sistemas de Recomendação na web
 
Identificação de Necessidades dos Usuários e Requisitos IHC
Identificação de Necessidades dos Usuários e Requisitos IHCIdentificação de Necessidades dos Usuários e Requisitos IHC
Identificação de Necessidades dos Usuários e Requisitos IHC
 
[Jose Ahirton Lopes] Apresentacao Sessao Tecnica I
[Jose Ahirton Lopes] Apresentacao Sessao Tecnica I[Jose Ahirton Lopes] Apresentacao Sessao Tecnica I
[Jose Ahirton Lopes] Apresentacao Sessao Tecnica I
 

Sistema da Videolocadora

  • 1. Sistema de Recomendação   para Vídeolocadora Componentes do Grupo: Fernanda Araujo dos Casais Gabriel Lang
  • 2. VIDEOBRASIL Clique aqui
  • 3. Na criação destas listas, há apenas a observação dos tipos de itens mais populares, e ordenação destes em grupos, tais como: “Lançamentos", “Filmes mais Locados”. A principal vantagem neste tipo de estratégia está na facilidade de implementação. Basta manter listas de filmes de acordo com as necessidades de marketing, de aumento de lucratividade, de disseminação de informações (no caso de recomendação de conteúdo), etc . A vantagem é que as recomendações são dirigidas a todos os usuários sem distinção. Este tipo de recomendação é válido pois poderá despertar o interesse do usuário por algum tipo de filme. TOP N Técnicas de Recomendação
  • 4.
  • 5. Comentários de texto(Ratings) 0s usuários podem escrever comentários sobre os filmes que locaram ou conhecem para que outros usuários tenham acesso às suas opiniões. Essa estratégia de recomendação prevê liberdade aos usuários para expressar suas opiniões de diversas formas. Podem positivos ou negativos, gostei ou não gostei. Ao clicar em um filme o usuário terá a sinopse do filme, os comentários já feitos sobre ele e a opção de colaborar acrescentando comentários .
  • 6.
  • 7. RECOMENDAÇÕES POR FILTRAGEM A VídeoBrasil trabalhará com sistema de recomendação por filtragem. A filtragem de informação é o nome utilizado para descrever uma variedade de processos que envolvem a entrega de informação para as pessoas que realmente necessitam delas. Esta abordagem geralmente mantém um perfil dos interesses do usuário. Para que um Sistema de Recomendação (SR) recomende produtos de acordo com as preferências individuais de um usuário, é necessário, primeiramente, ter conhecimento sobre quem é este usuário . A forma mais comum de identificação é através de um identificador (login) e de uma senha, que são informados manualmente pelos usuários antes de usar o SR. Naturalmente, todos os usuários precisam preencher algum tipo de formulário de cadastro ao utilizar o sistema pela primeira vez. Essas informações ficam armazenadas em um banco de dados no servidor da loja virtual.
  • 8. RECOMENDAÇÕES POR FILTRAGEM A VídeoBrasil trabalhará com sistema de recomendação por filtragem. A filtragem de informação é o nome utilizado para descrever uma variedade de processos que envolvem a entrega de informação para as pessoas que realmente necessitam delas. Esta abordagem geralmente mantém um perfil dos interesses do usuário. Para que um Sistema de Recomendação (SR) recomende produtos de acordo com as preferências individuais de um usuário, é necessário, primeiramente, ter conhecimento sobre quem é este usuário . A forma mais comum de identificação é através de um identificador (login) e de uma senha, que são informados manualmente pelos usuários antes de usar o SR. Naturalmente, todos os usuários precisam preencher algum tipo de formulário de cadastro ao utilizar o sistema pela primeira vez. Essas informações ficam armazenadas em um banco de dados no servidor da loja virtual.
  • 9. Na forma explícita de construção do perfil, o usuário é responsável por declarar espontaneamente suas preferências ao sistema. Normalmente isso é feito pedindo aos usuários para avaliar/selecionar uma lista de itens. A Figura abaixo mostra um dos formulários que permitem aos usuários declararem suas preferências pessoais. Avaliação Avalie Filme Selecione 4,1 Apollo 13 (1995) DVD Aventura, drama 4,1 Apollo 13 (1995) DVD Aventura, drama 3,5 Alladim (1992) DVD Aventura,animação,Comédia 3,8 MASH (1970) DVD, VHS Comédia, drama
  • 10. FILTRAGEM COLABORATIVA A Filtragem Colaborativa (FC) é uma técnica que, como o próprio nome diz, depende da colaboração de todos os usuários do SR para selecionar (filtrar) os itens que são recomendados a um usuário específico. A essência dos sistemas colaborativos está na troca de experiências entre pessoas que possuem interesses em comum. As avaliações são expressas na forma de uma nota dentro de um intervalo bem definido (geralmente de 1 a 5 ou de 1 a 7). O conjunto dessas avaliações constitui o perfil de preferências de um usuário, e é através da análise do conjunto desses perfis que o SR pode inferir quais itens serão recomendados a cada pessoa.
  • 11. Para recomendar um filme para o usuário Fábio, o sistema deverá procurar qual usuário possui um conjunto de avaliações mais semelhante ao dele, ou seja, qual usuário gostou dos mesmos filmes que Fábio. Ao fazer rápida investigação na matriz, podemos perceber que Júlia é o usuário mais semelhante. Foi utilizado a forma de similaridade para se determinar vizinhanças. Determina-se um grau de correlação, e todos os usuários que tiverem um grau de similaridade maior ou igual ao limiar estabelecido são incluídos na vizinhança do usuário ativo . Hulk Matrix A vila Olga Tróia André 2 2 5 Fábio 6 4 4 2 Júlia 5 4 3 2 5 Paula 5 4 4 Pedro 4 5 6 3 5
  • 12. No exemplo apresentado, se considerarmos que o limiar é 0,4, os vizinhos de Fábio são Júlia e Paula. O último passo do algorítimo é a geração da recomendação. Considerando que a vizinhança foi determinada pelo método da similaridade em nosso exemplo, a suposta nota atribuída por Fábio ao filme Tróia seria: Nota Fabio = 4 + (5-3,8)*0,916 + (4-4,33)*0,447 / |0,916| + |0,447| = 4,7 André Fábio Júlia Paula Pedro André 1 - 0,816 -0,618 -0,8 -0,943 Fábio - 0,816 1 +0,916 +0,447 +0,314 Júlia - 0,618 +0,916 1 - 0,176 -0,176 Paula - 0,8 +0,447 -0,176 1 1 Pedro - 0,943 +0,314 +0,269 +0,754 +0,754
  • 13. É realizado comparações de filmes, ou seja, quando um cliente levou um filme de determinado gênero também levou outro de determinado gênero. Através desta comparação podemos realizar mais um tipo de recomendação para os clientes.   TÉCNICA DE CROSS-SELL