Framework de Avaliação Off-line para Sistemas de Recomendação

Abstract

Com o avanço e popularização da internet, dos computadores pessoais e de dispositivos móveis, a quantidade de informação acessada diariamente aumentou em proporções consideráveis no decorrer dos últimos anos. Essas diferenças impactaram diversos setores e transformou a rotina das pessoas, desde a forma como as interações sociais são construídas até o comportamento de consumo. A consequência final de toda esta integração, virtualização e alta disponibilização é que a quantidade de informações apresentadas para as pessoas aumentou de maneira que existe grande dificuldade em filtrar e obter o que é de fato relevante. Os Sistemas de Recomendação são ferramentas e técnicas de software desenvolvidas com o objetivo de auxiliar a navegação dos usuários frente a toda essa informação, através da promoção das entidades que apresentem o maior potencial de relevância e utilidade dentro do contexto de navegação. Estes sistemas hoje atuam em diferentes segmentos, desde sugestão de produtos em ambientes de comércio eletrônico, sugestão de músicas e vídeos no YouTube até recomendações de possíveis amigos em redes sociais como o Facebook1. A aplicação nesses diferentes segmentos é possível graças à grande variedade de abordagens conhecidas, o que possibilita a criação dos mais diversos tipos de sistemas, que se aplicam aos mais diversos e específicos casos. As preocupações com o desenvolvimento e adequação destes sistemas motivou um dos sub-ramos das pesquisas no tema, relacionado à avaliação da das características, qualidades e resultados destes sistemas. Esse processo de avaliação é um grande desafio, pois os sistemas estudados são altamente dinâmicos e dependentes de contexto, o que torna difícil a tarefa de definir o que é bom e suficiente, definições bases para o processo de avaliação. Este projeto visa avançar as pesquisas em avaliação de Sistemas de Recomendação dentro da Chaordic, provendo tanto conhecimento quanto ferramentas para auxiliar o processo.

Due to the rapid advance and popularization of the internet, personal computers and mobile devices, the amount of information available and daily accessed increased significantly for the past years. These differences had major impact on many industry segments and transformed people’s routines, from the way social interactions are built to their consumption behavior. The ultimate consequence of this integration, virtualization and high availability effects is the increased difficulty in filtering and obtaining what really is relevant information. Recommender Systems are software tools and techniques developed in order to help user navigation through all these information available, by promoting items that presents the highest potential of relevance and utility within a given context. These systems act today with significantly different purposes, ranging from products suggestions on e-commerce platforms, video and music suggestions in media platforms like Youtube up to friends suggestions in social networks like Facebook. This diversity of Recommender Systems is only made possible by the variety of available approaches for generating recommendations, which allows their use in a wide range of very specific domains. Worries with development and adequacy motivated the expansion of some research sub-areas related to the evaluation of these systems, and by evaluation is meant the processes of describing characteristics, quality and results. These processes are now a great challenge mainly because recommender systems are highly dynamic and context dependent, turning difficult the task of building the definitions of what is good and where to get, which are the baselines for the evaluation process. This project aims to contribute with the advance of researches related to evaluating Recommender Systems within the Chaordic Systems, providing both theory expansion and tools to support the evaluation processes.