Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/82792
Título: | Previsão em séries temporais aplicada ao e-commerce |
Autor(es): | Mendes, Luís Gonçalo Ferreira |
Orientador(es): | Alves, Victor |
Palavras-chave: | 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 |
Data: | 2-Dez-2021 |
Resumo(s): | 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. Historically, people have been asking friends or experts for help with decision-making or in getting recommendations on issues from the most diverse areas. The digital growth on the last decades, created a big overload of information. However, our ability to evaluate the specifications of each product and choose from the several alternatives available on the online market is limited. At the same time, science and technology has responded adequately by developing tools to mitigate and to help people in this limitation. Recommendation systems are examples of these tools, which emerged in the mid-1990s and have been very successful. A recommendation system works like a personalized service. In a face-to-face service situation, it is only possible to determine the customer’s claim after she/he has described it. These systems aim to optimize and indicate the most adjusted option according to the client’s own profile. A good recommen dation can meet the wishes of a certain user when faced with an e-commerce platform, which makes the user/purchase ratio increase. Furthermore, the more users satisfied with the system, the more popular and better the system will become, and a close relationship will be created between the user and the website. There are several methods to generate personalized recommendations for specific users, but state of the art recommendation systems is based on collaborative filtering. These systems are widely used by companies such as Amazon, Netflix and others and have obtained very significant results without the need to extrapolate the characteristics of the articles. Methods like Deep Learning have led to great progress in various fields of Artificial Intelligence and, in recent years, to a substantial number of proposals to improve recommendation systems with Artificial Neural Networks. In this dissertation, carried out at Kodly Consulting, we propose the creation of a solution based on recurrent neural networks to generate recommendations. In order to the proposed system be easily integrated into any e-commerce application, it is intended to create an API providing a set of useful and easy-to-integrate services. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado integrado em Engenharia Informática |
URI: | https://hdl.handle.net/1822/82792 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado DI - Dissertações de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Luis Goncalo Ferreira Mendes.pdf | 2,32 MB | Adobe PDF | Ver/Abrir |
Este trabalho está licenciado sob uma Licença Creative Commons