Baixe o app para aproveitar ainda mais
Prévia do material em texto
Interação Humano Computador e os Sistemas de Recomendação Bárbara Jones F. Santos , Kim Costa Ferro, Flávio Leina Caroline A. Rodrigues, Luís Augusto S. da Cruz Júnior. Instituto de Educação, Ciência e Tecnologia do Maranhão (IFMA) - São Luís -MA - Brazil leina.caroline@acad.edu.ifma.com.br,bjones@acad.edu.ifma.com.br Abstract. This work presents some concepts of Recommender Systems from its emergence to its development process and how Information Architecture together with Findability were very important in the creation of these systems that are so important in current times. Resumo. Este trabalho apresenta alguns conceitos de Sistemas de Recomendação desde seu surgimento até seu processo de desenvolvimento e como a Arquitetura de Informação juntamente com a Encontrabilidade da Informação foram muito importantes na criação desses sistemas tão importantes nos tempos atuais. 1.Introdução Diversas plataformas famosas possuem milhares de conteúdos disponíveis para consumo porém, para conectar os usuários para os conteúdos desejados foi necessário que surgisse os sistemas de recomendação, os sistemas de recomendação tem como objetivo oferecer a partir de grandes quantidades de informações algo que vá interessar ao usuário, em geral o sistema depende da contribuição de indivíduos para avaliar a informação, a ideia seria como “se o conteúdo é relevante para mim então, ele também pode vir a ser relevante para outra pessoa ou seja, é um anúncio personalizado onde aparece um conteúdo desejável para o usuário, a ideia por trás do sistema é entregar entre um quantidade enorme de possibilidades de seleção de conteúdo sugestões precisas que levem a um aumento de interação, conversão e por conseguinte, satisfação dos usuários, por isso esse tipo de sistema cumpre funções essenciais em plataformas de E-commerce, redes sociais e em outras plataformas com catálogos enormes, pois quanto mais itens presentes na plataforma mais difícil é manter e atrair a atenção do usuário e conectar ele diretamente ao que ele se interessa.Exemplos do uso desse tipo de sistema podem ser vistos em empresas famosas como a Netflix que consegue gerar uma receita de R$ 1 Bilhão de reais anualmente, sendo que o sistemas de recomendação responsável por 80% dos conteúdos vistos na plataforma, outra grande empresa também é a Amazon no setor de E-commerce e seu sistema se baseia em números simples de elementos como onde e o que o usuário comprou, ou o que está guardado na lista de desejos dele, itens que este usuário qualificou e gostou e quais outros clientes que viram ou compraram aquele produto, a Amazon chama esse sistema de “filtro colaborativo item a item” e é muito usado para trazer a melhor experiência ao consumidor na plataforma que retorna para adquirir outro produto. 2. Desenvolvimento Sem muita complicação, o usuário atual cria, compartilha e acessa uma quantidade imensa de informações, essa aparente facilidade generalizou a possibilidade de administrar todo conteúdo que ia surgindo com o decorrer do tempo. O que se observou logo após com essa geração e manipulação de informações foi um gigantesco acúmulo de informações que trouxe consigo um caos informacional, isso porque antes disso não se atentaram para elementos importantes como usabilidade, acessibilidade e representatividade da informação, o que complica ainda mais o usuário de encontrar a informação que estava à procura. Em contraste disso, no comércio eletrônico esse desenvolvimento foi mais organizado, pois observaram que dessa forma havia um aumento significativo de interação e experiência do usuário e trazia muitos benefícios para a empresa. A princípio, dois pontos precisam ser observados para diminuir esse problema, o primeiro deles seria a Arquitetura da informação, onde seu objetivo é organizar a estrutura da informação disponibilizada, fazendo com que o usuário utilize o mínimo de esforço na procura da informação desejada que está ligado ao segundo ponto que seria a Encontrabilidade da informação satisfazendo a necessidade do usuário em encontrar uma resposta para sua busca. Muitas vezes esses mecanismos não vão ajudá-lo a encontrar o que estava procurando, em muitos casos durante uma busca o usuário encontra coisas que nem sabia que precisava, a partir daí temos o início de uma nova maneira no que chamamos busca e navegação. Pensando nisso, desenvolvedores de sistemas investem em Sistemas de Recomendação, usados para oferecerem serviços ou itens que ainda de início não estavam procurando. 2.1 Sistemas de Recomendação Podemos dizer que os Sistemas de Recomendação se tornaram uma ferramenta facilitadora em processos de busca, apresentando ao usuário coisas que podem estar relacionados às suas necessidades e preferências, porém, para que vemos seu pleno funcionamento, esses sistemas precisam de muito conhecimento sobre os usuários que interagem. A parte fundamental aqui é a coleta , o processamento e armazenamento dos dados que os usuários deixam durante essa interação, dados que foram seus perfis e auxiliam no oferecimento de produtos e serviços que mais tem a ver com suas características. A forma de coletar dados acontecem de duas maneiras, de forma explícita, onde o usuário informa claramente ao sistema sua preferência ou não por determinado item, um exemplo disso são as avaliações e curtidas, e implicitamente quando o sistema lembra os gostos por observar suas ações, aqui abre discussões sobre questões éticas e até legais, mas no que diz respeito à coleta de informação são essas apresentadas. Para a entrega da resposta da recomendação é necessário uma variedade de processos que chamamos de “filtragem de informação” , a qual podemos descrevê-las em três etapas: Filtragem baseada em conteúdo: Essa filtragem se baseia em uma análise de conteúdo de itens e no perfil do usuário. (figura 1) Figura 1 Filtragem colaborativa: O fundamento dessa filtragem é a troca de informações entre usuários que possuem interesses em comum.(Figura 2) Figura 2 Figura 2 Filtragem híbrida: Procura unir os pontos fortes das duas filtragens anteriores para criar um sistema mais assertivo na entrega de sugestões de recomendações. Uma vez filtrados os dados, se aproxima o momento de oferecer itens coerentes a cada perfil individual. Trouxemos três estratégias de recomendação utilizadas por esses sistemas: Listas de recomendação: São listas de itens por tipo de interesse. Avaliações de usuários: Recomendação apoiada em avaliações em produtos feitas pelos usuários. Suas recomendações: Uma sessão onde ficam recomendações feitas com informações coletadas de maneira explícita e implicitamente. “Usuários X também tem preferências por Y”: Aqui são empregadas técnicas que encontram vínculos entre itens avaliados por usuários. Associação por conteúdo: Recomendações firmadas na análise de conteúdo de um dado item. Como mencionado anteriormente, os Sistemas de Recomendação formam uma parte essencial para o e-commerce, uma área que recebe muitos investimentos e que atualmente explora e utiliza esses sistemas com o objetivo de conquistar mais pessoas através de recomendações, um exemplo disso são sistemas como Amazon.com e Pandora mais conhecidos entre os sites de vendas online. 3. Impactos Sociais Os títulos da seção devem estar em negrito, 13pt, alinhado à esquerda. Deve haver um espaço extra de 12 pontos antes de cada título. A numeração da seção é opcional. O primeiro parágrafo de cada seção não deve ser recuado, enquanto que as primeiras linhas de parágrafos subseqüentes deverem ser recuadas em 1.27 cm. 4. Conclusão Este trabalho foi pensado no sentido de colaborar para maior entendimento sobre sistemas de recomendação, o conceito geral, seu funcionamento básico. De acordo com os objetivos pretendidos, apresentamos algumas técnicas comumente utilizadas por estes sistemas, formas de mineração de dados, técnicas de recomendação. Foi discutido também como os sistemas de recomendação visamentregar aos usuários de uma plataforma o que é relevante para eles. A abordagem do tipo de técnica de filtragem depende do tipo de informação que será coletado e de que forma será utilizado. Por fim é apresentado que quanto mais se consome de um tipo de conteúdo, mais as plataformas no geral vão te recomendar conteúdo parecidos e que pessoas com um gosto parecido com o seu consideraram relevantes. É isso que torna um sistema de recomendação cada vez mais funcional sendo inserido em mais aplicações nos dias atuais. 5. Referências Peireira, B. Alysson (2016) “Sistemas de recomendação baseados em contexto físico e social”, http:/repositorio.ufpe.br/bitstream/123456789/19521/1/risethesis.pdf, Setembro. Figueira Filho, Fernando M., De Geus, Paulo Lício., Porto De Albuquerque, João., (2008) “Sistemas de recomendação e interação na web social” https:/https://www.academia.edu/20273864Sistemas_de_recomendação_e_intera ção_na_web_social, Setembro. Cazella, Sílvio César; Nunes, M. A. S. N.; Reategui, Eliseo. A Ciência da Opinião: Estado da arte em Sistemas de Recomendação. André Ponce de Leon F. de Carvalho; Tomasz Kowaltowski..(Org.). Jornada d e Atualização de Informática-JAI, p. 161-216, 2010. Souza, Evandro F., (2018)“Sistemas de recomendação. Os dados que conhecem o usuário” https://medium.com/tech-grupozap/sistemas-de-recomendação-5bd1626326fe, Setembro. Da Motta, Claudia Lage Rebell., Garcia, Ana Cristina Bicharra., Vivacqua, Adriana Santarosa; Santoro, Flávia Maria; Sampaio, Jonice De Oliveira . (2011). “Sistemas de recomendação” https://sistemascolaborativos.uniriotec.br/wp-content/uploads/sites/18/2019/06/S C-cap15-recomendacao.pdf. Setembro.
Compartilhar