Publicação
Previsão em séries temporais aplicada ao e-commerce
| Resumo: | Historicamente, as pessoas têm recorrido a amigos próximos ou experts para ajudar na tomada de decisão ou em recomendações sobre assuntos das mais diversas áreas. O crescimento da era digital nas últimas duas décadas, principalmente na web criou um overload de informação. No entanto, a nossa capacidade de avaliar as especificações de cada produto e escolher entre as enumeras alternativas existentes no mercado online, é limitada. Neste sentido, a ciência e tecnologia tem reagido adequadamente através do desenvolvimento de ferramentas para aliviar essa limitação. Os sistemas de recomendação são exemplos dessas ferramentas, que surgiram em meados dos anos 90 e têm tido muito sucesso. Os sistemas de recomendação funcionam como um atendimento personalizado. Numa situação de atendimento presencial apenas é possível apurar a pretensão do cliente após este a ter descrito. Estes sistemas visam optimizar e indicar a opção mais ajustada de acordo com o perfil do próprio cliente. Uma boa recomendação poderá ir ao encontro das pretensões de um determinado utilizador quando confrontado com uma plataforma e-commerce, o que faz com que o rácio utilizador/compra aumente. Além disso, quantos mais utilizadores satisfeitos com o sistema, mais popular e melhor o sistema se tornará, além de que será criada uma relação de proximidade entre o utilizador e o website. Existem vários métodos para gerar recomendações personalizadas para utilizadores específicos, mas o estado da arte de sistemas de recomendação são baseados na filtragem colaborativa. Estes sistema são amplamente utilizados por empresas como a Amazon, Netflix entre outras e tem obtido resultados muito significativos sem a necessidade de extrapolar as características dos artigos. Métodos ligados ao Deep Learning levaram a um elevado progresso em vários campos da Inteligência Artificial e, nos anos mais recentes, a um substancial número de propostas para melhorar sistemas de recomendação com Redes Neuronais Artificiais. Nesta dissertação, realizada na empresa Kodly Consulting, propõem-se a criação de uma solução baseada em redes neuronais recorrentes para geração de recomendações em ambientes e-commerce. Para que o sistema proposto seja facilmente integrado em qualquer aplicação e-commerce, pretende-se criar uma API que disponibiliza um conjunto de serviços úteis e fáceis de integrar. |
|---|---|
| Autores principais: | Mendes, Luís Gonçalo Ferreira |
| Assunto: | Sistemas de recomendação Machine Learning Redes neuronais recorrentes Deep Learning e-commerce API Pipeline Filtragem colaborativa Recommendation systems Recurrent neural networks e-commerce Collaborative filtering Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
| Ano: | 2021 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Historicamente, as pessoas têm recorrido a amigos próximos ou experts para ajudar na tomada de decisão ou em recomendações sobre assuntos das mais diversas áreas. O crescimento da era digital nas últimas duas décadas, principalmente na web criou um overload de informação. No entanto, a nossa capacidade de avaliar as especificações de cada produto e escolher entre as enumeras alternativas existentes no mercado online, é limitada. Neste sentido, a ciência e tecnologia tem reagido adequadamente através do desenvolvimento de ferramentas para aliviar essa limitação. Os sistemas de recomendação são exemplos dessas ferramentas, que surgiram em meados dos anos 90 e têm tido muito sucesso. Os sistemas de recomendação funcionam como um atendimento personalizado. Numa situação de atendimento presencial apenas é possível apurar a pretensão do cliente após este a ter descrito. Estes sistemas visam optimizar e indicar a opção mais ajustada de acordo com o perfil do próprio cliente. Uma boa recomendação poderá ir ao encontro das pretensões de um determinado utilizador quando confrontado com uma plataforma e-commerce, o que faz com que o rácio utilizador/compra aumente. Além disso, quantos mais utilizadores satisfeitos com o sistema, mais popular e melhor o sistema se tornará, além de que será criada uma relação de proximidade entre o utilizador e o website. Existem vários métodos para gerar recomendações personalizadas para utilizadores específicos, mas o estado da arte de sistemas de recomendação são baseados na filtragem colaborativa. Estes sistema são amplamente utilizados por empresas como a Amazon, Netflix entre outras e tem obtido resultados muito significativos sem a necessidade de extrapolar as características dos artigos. Métodos ligados ao Deep Learning levaram a um elevado progresso em vários campos da Inteligência Artificial e, nos anos mais recentes, a um substancial número de propostas para melhorar sistemas de recomendação com Redes Neuronais Artificiais. Nesta dissertação, realizada na empresa Kodly Consulting, propõem-se a criação de uma solução baseada em redes neuronais recorrentes para geração de recomendações em ambientes e-commerce. Para que o sistema proposto seja facilmente integrado em qualquer aplicação e-commerce, pretende-se criar uma API que disponibiliza um conjunto de serviços úteis e fáceis de integrar. |
|---|
Atividades financiadas
Não foram encontrados projetos financiados.