O documento discute sistemas de recomendação em redes sociais. Apresenta brevemente redes sociais e sistemas de recomendação, descrevendo suas principais técnicas como filtragem baseada em conteúdo, filtragem colaborativa e mineração de dados. Também aborda sistemas de recomendação em plataformas como Google+ e redes sociais.
2. Agenda
• Contextualização
– Redes
Sociais
– Sistemas
de
Recomendação
(SRs)
• Técnicas
de
Sistemas
de
Recomendação
• SR
baseado
na
similaridade
de
perfis
do
Twi@er
• Recomendação
de
tags
• Sistemas
de
Recomendação
em
Redes
Socais
– Google
+1
– Amigos
DINS
• Considerações
Finais
CST
2011
–
Sistemas
de
Recomendação
2
em
Redes
Sociais
3. Redes
Sociais
• Grupo
de
pessoas
que
tem
algum
nível
de
relação
ou
interesse
mútuo. (Dennis
Altermann)
• ComparQlhamento
de
informações.
• Alto
crescimento.
CST
2011
–
Sistemas
de
Recomendação
3
em
Redes
Sociais
4. Redes
Sociais
• Facebook
– 590
milhões
de
visitantes
únicos
por
mês
– 38,5%
da
Internet
usa
o
Facebook
– 300
milhões
de
pessoas
acessam
diariamente
– Cada
usuário
fica
em
média
25
minutos
no
site
– 700
bilhões
de
minutos
no
total
Dados:
DoubleClick
ad
planner
CST
2011
–
Sistemas
de
Recomendação
4
em
Redes
Sociais
5. Sistemas
de
Recomendação
• Surgimento:
– Aumento
da
quanQdade
de
informação
a
que
o
usuário
tem
acesso.
– Crescente
mudança
no
paradigma
da
Web
social
baseado
no
usuário.
Consumidor
da
informação
AQvo
produtor
de
conhecimento
• ObjeQvo:
reduzir
a
sobrecarga
de
informação
da
Web
por
meio
da
seleção
de
conteúdo
baseada
em
preferências
do
usuário.
CST
2011
–
Sistemas
de
Recomendação
5
em
Redes
Sociais
6. Sistemas
de
Recomendação
• Três
categorias:
– Abordagem
baseada
em
conteúdo
CST
2011
–
Sistemas
de
Recomendação
6
em
Redes
Sociais
7. Sistemas
de
Recomendação
• Três
categorias:
– Abordagem
colaboraQva
– Abordagens
híbridas
CST
2011
–
Sistemas
de
Recomendação
7
em
Redes
Sociais
8. Sistemas
de
Recomendação
• Problema:
– EsQmação
e
forma
das
respostas
do
usuário
CST
2011
–
Sistemas
de
Recomendação
8
em
Redes
Sociais
9. Técnicas
de
Sistemas
de
Recomendação
CST
2011
–
Sistemas
de
Recomendação
em
9
Redes
Sociais
10. Filtragem
baseada
em
conteúdo
(FBC)
• Base:
Comparar
conteúdo
dos
itens
de
forma
a
recomendar
itens
semelhantes
aos
que
o
usuário
gostou
no
passado.
Vetores
formados
pelos
• Algoritmo
TF-‐IDF.
termos
dos
documentos
• Informações
armazenadas
em
forma
textual.
• Problema:
Superespecialização
e
qualidade.
CST
2011
–
Sistemas
de
Recomendação
10
em
Redes
Sociais
11. Filtragem
ColaboraQva
(FC)
• Base:
Gerar
recomendações
a
parQr
da
correlação
entre
usuários.
• Não
apresenta
restrição
quanto
ao
Qpo
dos
dados.
• Vantagens:
ausência
do
problema
de
superespecialização,
qualidade
dos
itens
e
gosto
do
usuário.
• Problemas:
first-‐rater,
startup
e
sparcity.
CST
2011
–
Sistemas
de
Recomendação
11
em
Redes
Sociais
12. Mineração
de
dados
(MD)
• Descoberta
de
Conhecimento
de
Banco
de
Dados
(DCBD).
• Descoberta
de
padrões
num
BD:
– 20%
dos
consumidores
que
compram
fraldas
também
compram
cerveja ;
– 80%
dos
consumidores
que
compram
fraldas
e
cerveja
em
uma
compra,
voltam
para
comprar
carne
e
carvão
na
sexta-‐feira .
CST
2011
–
Sistemas
de
Recomendação
12
em
Redes
Sociais
13. Mineração
de
dados
(MD)
• Regras
associaQvas
Fraldas
Cerveja
Fraldas
e
cerveja
Carne
e
carvão
• Nos
SRs,
faz-‐se
uso
das
regras
associaZvas:
– Pré-‐condições
que
devem
ser
idenQficadas
nos
perfis
dos
usuários,
através
dos
antecedentes
das
regras;
– Itens
que
devem
ser
recomendados,
através
dos
consequentes
CST
2011
–
Sistemas
de
Recomendação
13
em
Redes
Sociais
14. Raciocínio
Baseado
em
Casos
(RBC)
• Metodologia
de
solução
de
problemas
que
baseia-‐se
em
conhecimento
adquirido
anteriormente.
• Armazenado
na
forma
de
casos
(descrição
do
problema
+
solução).
• Funcionamento
de
sistemas
RBC
é
cíclico,
dividido
em
quatro
etapas
principais:
• Recuperação;
• ReuQlização;
• Adaptação;
• Retenção.
CST
2011
–
Sistemas
de
Recomendação
14
em
Redes
Sociais
15. Raciocínio
Baseado
em
Casos
(RBC)
RECUPERAÇÃO
Problema
Casos
Similares
REUTILIZAÇÃO
Casos
Armazenados
RETENÇÃO
Solução
Adaptada
Solução
Sugerida
ADAPTAÇÃO
CST
2011
–
Sistemas
de
Recomendação
15
em
Redes
Sociais
16. Raciocínio
Baseado
em
Casos
(RBC)
• Nos
SRs,
os
itens
a
serem
recomendados
são
tratados
da
mesma
forma
como
são
os
problemas.
• Sistemas
de
Recomendação
baseados
em
Conhecimento
– Guardam
informações
sobre
como
os
itens
a
serem
recomendados
se
adequam
às
necessidades
dos
usuários.
CST
2011
–
Sistemas
de
Recomendação
16
em
Redes
Sociais
17. Aplicações
Recomendação
de
tags
SR
baseado
na
similaridade
de
perfis
no
Twi@er
CST
2011
–
Sistemas
de
Recomendação
em
17
Redes
Sociais
18. Recomendações
de
tags
Propósitos:
Aumentar
chances
de
encontrar
um
documento
postado,
relembrar
ao
usuário
do
que
se
trata
um
documento
e
consolidar
o
vocabulário
por
meio
dos
usuários.
BibSonomy
CST
2011
–
Sistemas
de
Recomendação
em
18
Redes
Sociais
19. Recomendações
de
tags
Folksonomy
Conjunto
de
Tags
Conjunto
de
Conjunto
Documentos
de
Usuários
Usuário
Tag
Documento
CST
2011
–
Sistemas
de
Recomendação
19
em
Redes
Sociais
20. Recomendações
de
tags
• Definição
do
Problema:
Recomendar
para
um
dado
usuário
(
)
e
um
dado
documento
(
),
um
conjunto
de
tags
(
).
• Foco:
Medir
a
relevância
de
tags.
CST
2011
–
Sistemas
de
Recomendação
20
em
Redes
Sociais
21. Recomendações
de
tags
• Usa
Filtragem
ColaboraQva
• Matriz
usuário-‐objeto:
m
usuários
x
n
objetos
CST
2011
–
Sistemas
de
Recomendação
21
em
Redes
Sociais
22. Recomendações
de
tags
Conjunto
dos
k
usuários
mais
similares
a
u
Número
de
vizinhos
a
ser
retornados
CST
2011
–
Sistemas
de
Recomendação
22
em
Redes
Sociais
24. SR
baseado
na
similaridade
de
perfis
no
Twi@er
• ObjeQvo
do
trabalho:
– Implementação
de
uma
aplicação
que
cria
um
perfil
para
o
usuário
e,
a
parQr
dele,
sugere
perfis
que
ele
pode
desejar
visitar.
• A
recomendação
faz
uso
da
descrição
de
um
novo
usuário
e
recomenda
um
outro
que
possui
uma
descrição
similar
à
dele.
CST
2011
–
Sistemas
de
Recomendação
em
24
Redes
Sociais
25. SR
baseado
na
similaridade
de
perfis
no
Twi@er
CST
2011
–
Sistemas
de
Recomendação
em
25
Redes
Sociais
26. SR
baseado
na
similaridade
de
perfis
no
Twi@er
• Nearest
Neighbor
– Método
descrito
nos
anos
50,
mas
ganhou
popularidade
no
início
dos
anos
60,
quando
os
computadores
mais
potentes
surgiram.
– Suponha
um
conjunto
D
de
tuplas
de
treinamento.
Cada
elemento
de
D
é
uma
tupla
(x1,
x2,
...,
xn,
c),
onde
c
é
a
classe
a
qual
pertence
a
tupla
(x1,
x2,
...,
xn),
que
é
considerada
um
ponto
num
espaço
n-‐dimensional.
– Para
saber
a
que
classe
pertence
uma
outra
tupla
Y
=
(y1,
...,
yn),
calculam-‐se
as
distâncias
de
Y
a
todas
as
tuplas
de
treinamento
e
considera
aquela
mais
próxima
de
Y.
CST
2011
–
Sistemas
de
Recomendação
em
26
Redes
Sociais
27. SR
baseado
na
similaridade
de
perfis
no
Twi@er
• Nearest
Neighbor
– Distância
Euclidiana
– Distância
de
cossenos
• qi
é
o
peso
do
termo
i
na
consulta
• di
é
o
peso
do
termo
i
na
consulta
– Pode
haver
uma
normalização
dos
dados.
CST
2011
–
Sistemas
de
Recomendação
em
27
Redes
Sociais
28. SR
baseado
na
similaridade
de
perfis
no
Twi@er
• Mineração
de
Texto
– Processo
de
extrair
padrões
de
textos.
– Trabalha
com
dados
não
estruturados
• Etapa
de
pré-‐processamento:
não
estruturados
à
estruturados
– Representação
dos
documentos
é
feita
baseada
em
três
modelos:
booleano,
probabilísQco
e
vetorial.
CST
2011
–
Sistemas
de
Recomendação
em
28
Redes
Sociais
29. SR
baseado
na
similaridade
de
perfis
no
Twi@er
• Mineração
de
Texto
–
Etapa
de
pré-‐processamento
– Análise
Léxica
– Conversão
entre
caracteres
– Stemming
CST
2011
–
Sistemas
de
Recomendação
em
29
Redes
Sociais
30. SR
baseado
na
similaridade
de
perfis
no
Twi@er
• Mineração
de
Texto
–
Etapa
de
representação
– Atribuição
de
pesos
• Peso
u-‐idf:
(frequência
do
termo)
x
(relevância
de
um
termo
num
documento)
– Organizar
os
termos
de
acordo
com
o
peso
• Ranking
CST
2011
–
Sistemas
de
Recomendação
em
30
Redes
Sociais
31. SR
baseado
na
similaridade
de
perfis
no
Twi@er
• Resultados
obQdos
– Mineração
de
perfis
de
19.365
usuários
diferentes
– Pré-‐processamento
à
Vetor
de
pesos
à
Ranking
à
Dist.
Euclidiana
– Foram
escolhidos
os
k
perfis
que
mostraram
menores
distâncias
em
relação
ao
perfil
em
questão
CST
2011
–
Sistemas
de
Recomendação
em
31
Redes
Sociais
32. Sistemas
de
Recomendação
Google
+1
Amigos
DINS
CST
2011
–
Sistemas
de
Recomendação
em
32
Redes
Sociais
33. Sistemas
de
Recomendação
• Google
– Recomendar
conteúdo
diretamente
nos
resultados
de
pesquisa
ou
através
de
botões
que
poderão
ser
adicionados
em
sites
e
blogs
pela
Web.
– Parecido
com
o
do
Facebook.
CST
2011
–
Sistemas
de
Recomendação
em
33
Redes
Sociais
34. Considerações
Finais
• Importância
dos
Sistemas
de
Recomendação
associados
às
Redes
Sociais
– Reduzir
a
sobrecarga
de
informação
na
Web
• Não
existe
uma
melhor
técnica
para
construir
um
SR
– Depende
do
objeQvo
da
sua
aplicação
• CompeQção
entre
as
Redes
Sociais
existentes
– Quem
ganha
é
o
usuário
final
CST
2011
–
Sistemas
de
Recomendação
34
em
Redes
Sociais
35. Referências
Bibliográficas
• PEREIRA,
D.
Uma
Aplicação
em
Sistemas
de
Recomendação:
Sistema
de
Recomendação
para
Pacotes
GNU/Linux.
• CAZELLA,
S.
C.,
NUNES,
M.
A.
S.
N.,
REATEGUI,
E.
B.
A
Ciência
da
Opinião:
Estado
da
Arte
em
Sistemas
de
Recomendação.
• DE
GEUS,
P.
L.,
FIGUEIRA
FILHO,
F.
M.,
ALBUQUERQUE,
J.
P.
Sistemas
de
Recomendação
e
Interação
na
Web
Social.
• CORUMBA,
D.
M.,
NUNES,
M.
A.
S.
N.,
ARANHA,
C.
N.
Sistema
de
Recomendação
baseado
na
similaridade
de
perfis
do
Twi@er.
• h@p://www.google.com/+1/bu@on/.
ÚlQmo
acesso
em:
31/05/2011.
• Sistemas
de
Recuperação
da
Informação
2011.1,
UFCG.
Prof.
Dr.
Leandro
Balby
Marinho.
CST
2011
–
Sistemas
de
Recomendação
35
em
Redes
Sociais