Aplicando Nuvem de Partículas para Atenuar o Dilema entre Diversidade e Acurácia em Domínios de Recomendação

Autores

  • Tiago Trotta Universidade Federal de São João Del Rei (UFSJ)
  • Diego Carvalho Universidade Federal de São João Del Rei (UFSJ)
  • Nícollas Silva Universidade Federal de Minas Gerais (UFMG)
  • Leonardo Rocha Universidade Federal de São João Del Rei (UFSJ)

Palavras-chave:

Aprendizado de Máquina, Otimização, Sistemas de Recomendação

Resumo

Sistemas de Recomendação (SsR) focam na apresentação dos itens mais relevantes aos usuários a fim de melhorar a acurácia do sistema. Entretanto, a acurácia não é suficiente para avaliar a efetividade prática das recomendações. Métricas como novidade, diversidade e imprevisibilidade são chave para se avaliar a utilidade de SsR em cenários reais. Especificamente, há um dilema em aberto de acurácia-diversidade capaz de impulsionar as vendas ao oferecer aos consumidores tanto itens convencionais quanto específicos. Para lidar com esse dilema, propomos uma abordagem de pós-processamento, baseada em Nuvem de Partículas, que reordena as listas recomendações de SsR tradicionais, melhorando a diversidade em até 70% sem perda de acurácia.

Downloads

Não há dados estatísticos.

Downloads

Publicado

2019-06-17