Sistemas de
Recomendação
@dhianadeva
Porque
precisamos?!
E-COMMERCE
up-sell&cross-sell
Estabeleceruma
CONEXÃOPESSOAL
comousuário
Leanbackexperiência de usuário
❤Quase um BFF!
...enfim, RECOMENDARé uma técnica FUNDAMENTAL para aumentar o
ENGAJAMENTOe RETENÇÃO dos usuários
Para leigos...
Coleção
itemitemitemitem
itemitemitemitem
itemitemitem
Comunidadeusuáriousuáriousuário
usuáriousuáriousuário
usuáriousuário
item
item
item
item
item item
item
itemitem
usuário
item
item
item
item
item
item
item
item
item
usuário
item
item
item
it...
item
item
item
item
item item
item
itemitem
usuário
item
item
item
item
item
item
item
item
item
usuário
item
item
item
it...
Filtros
colaborativos
item
item
item
item
item item
itemitem
item
item
item
usuário
item
item
item
item item
item
item
itemitem
item
usuário
ite...
tempo
item?item
item
item item
itemitem
item
item
item
item
itemitem
item
classificação
usuário
item item
item
item item
i...
Filtros baseados
em conteúdo
item=
Extraçãoda
Informação
característica
característica
característica
característica
característica
característica
cara...
0101011001010011100110100110101110101000100010010101101100100111000100
010101011001010011100110100110101110101001110011010...
característica 1
característica 2
característica 3
item
item
item item
item
item
item
item
item
item
item
item
item
item
i...
Não é mágica!
Cadeias de Markov
Similaridade de
Pearson
Similaridade de
Cosseno
Redes Bayesianas
K-nearest
Neighbors
Redes Neurais
Simulated
Annealing
Qual técnica é
melhor???
Precisão =
{itens relevantes} ∩ {itens recomendados}
{itens recomendados}
Relevância =
{itens relevantes} ∩ {itens recomen...
Naprática,atécnica
derecomendação
deveserhíbrida
SplitTests!FTW!❤
Desafios
long
tail
20% dos itens concentram
80% da popularidade
COLD-START
Se-ren-di-pi-ty
If you want to increase
your success rate,
double your failure rate.
"
"(Thomas Watson - Fundador da IBM)
http://www.ted.com/talks/tim_berners_lee_on_the_next_web.html
http://www.slideshare.net/renangpa/introduo-a-web-semntica-e...
Obg! :)
Próximos SlideShares
Carregando em…5
×

Sistemas de recomendação

618 visualizações

Publicada em

0 comentários
2 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
618
No SlideShare
0
A partir de incorporações
0
Número de incorporações
21
Ações
Compartilhamentos
0
Downloads
10
Comentários
0
Gostaram
2
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Sistemas de recomendação

  1. 1. Sistemas de Recomendação
  2. 2. @dhianadeva
  3. 3. Porque precisamos?!
  4. 4. E-COMMERCE up-sell&cross-sell
  5. 5. Estabeleceruma CONEXÃOPESSOAL comousuário
  6. 6. Leanbackexperiência de usuário
  7. 7. ❤Quase um BFF!
  8. 8. ...enfim, RECOMENDARé uma técnica FUNDAMENTAL para aumentar o ENGAJAMENTOe RETENÇÃO dos usuários
  9. 9. Para leigos...
  10. 10. Coleção itemitemitemitem itemitemitemitem itemitemitem Comunidadeusuáriousuáriousuário usuáriousuáriousuário usuáriousuário
  11. 11. item item item item item item item itemitem usuário item item item item item item item item item usuário item item item item item item item usuário usuário usuário item item item item item item itemitem usuário usuário usuário item
  12. 12. item item item item item item item itemitem usuário item item item item item item item item item usuário item item item item item item item usuário usuário usuário item item item item item item itemitem usuário usuário usuário item usuário+item Encaixe feito nos céus!
  13. 13. Filtros colaborativos
  14. 14. item item item item item item itemitem item item item usuário item item item item item item item itemitem item usuário item item item item item
  15. 15. tempo item?item item item item itemitem item item item item itemitem item classificação usuário item item item item item item item item item item itemitem item
  16. 16. Filtros baseados em conteúdo
  17. 17. item= Extraçãoda Informação característica característica característica característica característica característica característica característica característica
  18. 18. 0101011001010011100110100110101110101000100010010101101100100111000100 0101010110010100111001101001101011101010011100110100110101110101001010 1100101001110011010011010111010100010001001010110110010011010101100101 0011100110100110101110101000100010010101101100100110101011001010011100 11010011 Dançabilidade: 0.23 Loudness: 0.87 Tonalidade: 0.25 BPM: 200
  19. 19. característica 1 característica 2 característica 3 item item item item item item item item item item item item item item item item item item item item item item item item item item item item item item item item item item
  20. 20. Não é mágica!
  21. 21. Cadeias de Markov Similaridade de Pearson Similaridade de Cosseno Redes Bayesianas
  22. 22. K-nearest Neighbors Redes Neurais Simulated Annealing
  23. 23. Qual técnica é melhor???
  24. 24. Precisão = {itens relevantes} ∩ {itens recomendados} {itens recomendados} Relevância = {itens relevantes} ∩ {itens recomendados} {itens relevantes} F-measure = 2 * precisão * relevância precisão + relevância ...
  25. 25. Naprática,atécnica derecomendação deveserhíbrida
  26. 26. SplitTests!FTW!❤
  27. 27. Desafios
  28. 28. long tail 20% dos itens concentram 80% da popularidade
  29. 29. COLD-START
  30. 30. Se-ren-di-pi-ty If you want to increase your success rate, double your failure rate. " "(Thomas Watson - Fundador da IBM)
  31. 31. http://www.ted.com/talks/tim_berners_lee_on_the_next_web.html http://www.slideshare.net/renangpa/introduo-a-web-semntica-e-o-case-da-globocom http://www.slideshare.net/xamat/building-largescale-realworld-recommender-systems-recsys2012-tutorial http://www.slideshare.net/ocelma/celma-ph-d-defense-1067735 http://lanyrd.com/topics/semantic-web/2013/ Referências
  32. 32. Obg! :)

×