O documento discute sistemas de busca e recomendação. Sistemas de busca ajudam os usuários a encontrar informações relevantes, mas têm limitações. Sistemas de recomendação filtram informações e sugerem itens de interesse para os usuários baseados em seus perfis e preferências. Várias técnicas de recomendação são discutidas, incluindo filtragem baseada em conteúdo, colaborativa e híbrida.

1. SISTEMAS DE BUSCA SISTEMAS DE RECOMENDAÇÃO Leonardo Rosa Zanette [email_address] Julho de 2008

8. SISTEMAS DE BUSCA PROBLEMAS

12. SISTEMAS DE RECOMENDAÇÃO

14. EVOLUÇÃO: LINHA DO TEMPO Sistemas de Filtragem Cooperativa - Tapestry [Goldberg et al. 1992] 1992 Sistemas de Recomendação - CACM [Resnick & Varian 1997] 1997 Eixos de Pesquisa [Terveen & Hill 2001] 2001 Sistemas de Auxílio à recomendações Sistemas de Geração de recomendações Sistemas de Reputação [Resnick et al. 2000] Sist. de Combinação Social [Terveen & McDonald 2005] 1994 GroupLens [Resnick et al. 1994] 1995 Ringo/Firefly [Shardanand & Maes 1995] UsenetNews [Maltz & EHRLICH, 1995] 2000 2005

15. Taxonomia para Aplicações de Recomendação Entradas da Comunidade Atributo dos Itens Itens Externos Popularidade Histórico de Recomendações Aceitas Avaliações Comentários textuais Método de Recomendação Recuperação da Informações brutas Seleção Manual Resumo Estatístico Baseado em Atributo Correlação Item a Item Correlação Usuário a Usuário Entradas do Usuário Navegação implícita Navegação Explícita Palavra-chave Atributos Avaliações ( Ratings ) Histórico do Comportamento do Usuário Recomendação Sistema Entregas Push Pull Passivo Nível de Personalização Não personalizada Efêmera Persistente Feedback/ respostas Feedback/ respostas Saídas Sugestões Previsões Avaliações Revisões Schafer, Konstan e Riedl, 2000

16. COLETA DE INFORMAÇÕES Identificação Entrada dos usuários Entrada da comunidade

33. ESTRATÉGIAS DE RECOMENDAÇÃO: ASSOCIAÇÃO POR CONTEÚDO (PERSISTENTE)

36. TÉCNICAS DE RECOMENDAÇÃO Filtragem Baseada em Conteúdo Filtragem Colaborativa Filtragem Híbrida Redes Sociais

37. TÉCNICAS PARA GERAR RECOMENDAÇÕES Filtragem Híbrida FBC FCA Redes Sociais Mineração de Dados/Textos Regras de Associação Classificação Agrupamento (cluster) Redes Bayesianas Similaridade de Vetores Folksonomy Ontologias Correlação (Pearson) RC Combinação

39. FILTRAGEM BASEADA EM CONTEÚDO ERRO FATAL

42. FILTRAGEM COLABORATIVA Recomendação tradicional Avalie o artefato item 16 Usuário item 13 item 15 item 16 item 22 item 38 item 48 u10 3 4 5 4 u11 4 3 3 u12 5 5 u26 3 4 u23 4 3 3

43. FILTRAGEM COLABORATIVA Recomendação tradicional Coeficiente de Pearson R Correlação entre usuários Usuário Alvo Pearson u10 u11 0,38 u10 u12 - u10 u23 -0,46 u10 u26 0,86 u11 u12 0,45 u11 u23 -0,11 u11 u26 0,80 u12 u23 -0,76 u12 u26 - u23 u26 0,56

44. FILTRAGEM COLABORATIVA Recomendação tradicional Usuário item 13 item 15 item 16 item 22 item 38 item 48 u10 3 4 5 4,12 4 u11 2,57 3,53 3,3 4 3 3 u12 5 5 u26 3 4 4,51 4 4,23 u23 4 5 3 2

47. REDE DE CONFIANÇA PROPOSTA PARA LIMITAÇÕES Recomendação tradicional Rede de confiança Confio em U5 Usuário ConfiaEm Área Nível U1 U5 Filme 3 U1 U6 SQL 1 U2 U4 Redes 0 U2 U7 Filme 3 U6 U9 Filme 3 U7 U3 Filme 2

48. REDE DE CONFIANÇA Recomendação tradicional Rede de confiança 3 2 2 3 ? 2 U1 U5 U6 U9 Usuário ConfiaEm Confiança U1 U5 3 U1 U6 1 U2 U4 0 U2 U7 3 U6 U9 3 U7 U3 2

51. SISTEMAS DE RECOMENDAÇÃO TENDÊNCIAS