proposta de trabalho de conclusão

PROPOSTA DE TRABALHO DE CONCLUSÃO
IDENTIFICAÇÃO
ALUNO
MATRÍCULA
Fábio Bressler
9511665-0
CURSO
Informática – Habilitação em Análise de Sistemas
ENDEREÇO
Rua Caxambu, n° 601
BAIRRO
CIDADE
UF
Vila Nova
Novo Hamburgo
RS
CEP
FONE
E-MAIL
93525-240
51 9109.9364
[email protected]
PROPOSTA DE DESENVOLVIMENTO
ORIENTADOR
Sílvio César Cazella
CO-ORIENTADOR
Sandro José Rigo
TÍTULO DO TRABALHO
Uma aplicação para recomendação de produtos baseado no interesse e comportamento de
consumo do usuário.
PALAVRAS-CHAVE Sistemas de
Recomendação
Comportamento de
Sociedades de Usuários
Regras de
Associação
MOTIVAÇÃO
Segundo Shardanand [1], nos últimos anos temos observado um crescimento explosivo do
volume de informações, com um aumento significativo do número de livros, filmes, notícias,
anúncios, e em particular informações on-line. Este crescimento, entre outros fatores, foi
proporcionado principalmente pelo aumento do número de usuários na Internet e,
conseqüentemente, suas interações neste meio. Agrawal [2] complementa dizendo que o
progresso em tecnologias como a de códigos de barras, proporcionou um aumento massivo na
coleta de dados sobre os produtos e estes dados podem ser disponibilizados na Web para que o
usuário escolha o que melhor lhe convier.
Nesta busca por informações de interesse, várias horas e recursos são desperdiçados nesta
tentativa de encontrar materiais relevantes e de qualidade. Shardanand [1] afirma que o volume de
conteúdos disponíveis é bem maior do que qualquer pessoa poderá filtrar a fim de encontrar o que
esta gostaria. O autor também afirma que as pessoas gerenciam esta sobrecarga de informações
com seus próprios esforços somados aos esforços de outras pessoas, e que se faz necessário o
uso de tecnologia para auxiliar na busca das informações.
Neste contexto, é usada a tecnologia conhecida como Sistemas de Recomendação para
facilitar na busca de informação. Segundo Alvarez [3], os Sistemas de Recomendação são
sistemas que oferec em recomendações direcionadas para os usuários, baseado em similaridades
entre os gostos e interesses dos mesmos. O esforço gasto na busca por informação pode ser,
desta forma, minimizado pela utilização de um sistema que tem como função básica, conhecer o
usuário, seu grupo e recomendar os itens que podem ser de grande interesse do usuário, frente ao
domínio de produtos do sistema.
Para que sejam possíveis tais recomendações, pode-se fazer uso de Regras de Associação.
As Regras de Associação referem-se a uma das tarefas de Mineração de Dados, que por sua vez
constitui-se em uma das etapas do processo de Descoberta de Conhecimento em B ases de Dados
(DCBD). Esta tarefa poderia auxiliar na descoberta de relacionamentos entre produtos oferecidos e
consumidos. Segundo Fayyad [4], a filtragem e seleção manual de grandes quantidades de
informações constituem-se em processos muito lentos, dispendiosos e altamente subjetivos e o
autor também afirma que com a aplicação da DCBD em casos reais o processo torna-se muito
mais eficiente e eficaz na busca por informações. A respeito das Regras de Associação, Dehaspe
[5] afirma que estas são usadas em sistemas de cestas de compras, onde são encontrados
padrões de produtos que tendem a serem vendidos em conjunto. Nestes casos é possível dispor
os produtos de forma a facilitar a compra dos produtos que se relacionam pelas regras.
A partir destas observações, este trabalho pretende implementar um Sistema de
Recomendação que consiga recomendar a partir da análise de interesse e comportamento de uma
sociedade de usuários em relação a um tipo de produto a ser definido. As recomendações serão
feitas baseadas nos interesses explicitados pelos usuários e da colaboração entre os usuários de
um mesmo grupo (entenda-se grupo como pessoas com interesses e gostos similares). Neste
trabalho será aplicada a tarefa de Mineração de Dados por Regras de Associação sobre a base
histórica de consumo dos usuários, visando definir melhor os grupos de interesse (baseado em
comportamentos). O principal diferencial deste trabalho em relação a trabalhos anteriores é a
análise de padrões de comportamento de pessoas e não da tradicional venda de produtos.
OBJETIVOS
O objetivo geral deste trabalho é implementar um protótipo de
recomendação, baseado no comportamento de uma sociedade de usuários.
um sistema de
Os objetivos específicos são:
•
Desenvolver interface de cadastramento e coleta de dados do usuário para montagem
de perfis iniciais;
•
Desenvolver uma base de transações para testar o sistema (a base será gerada por
simulação);
•
Aplicar a tarefa de mineração de dados por regra de associação sobre a base de dados
de histórico de consumos;
•
Criar A gente de Software que utilize a Tecnologia Push para exibir notificações na
máquina cliente.
*
* A Tecnologia P ush, também conhecida como Webcasting deve ser entendida como a
transmissão via rede de informações específicas para as pessoas de forma individual,
sem que estas tenham que fazer a busca pela informação.
METODOLOGIA
Para a realização desse trabalho serão propostos os seguintes passos:
•
Revisão bibliográfica;
•
Definição do domínio do produto da análise;
•
Estruturação e criação das ferramentas de coleta e geração de dados;
•
Organização e análise primária das informações obtidas;
•
Implementação dos algoritmos de regras de associação e de recomendação;
•
Criação do agente de recomendação / comunicação;
•
Análise aprofundada dos resultados.
Junho
Junho
Maio
Abril
Março
Janeiro
Fevereiro
Dezembro
Novembro
Outubro
Setembro
Atividade/Mês
Agosto
CRONOGRAMA
Revisão bibliográfica
Definição do produto da análise
Estruturação e criação das ferramentas de coleta e geração de dados
Organização e análise primária das informações obtidas
Entrega do relatório de andamento
Apresentação do relatório de andamento
Implementação dos algoritmos de regras de associação
Criação do agente de recomendação / comunicação
Teste e validação do protótipo
Análise aprofundada dos resultados
Redação do material teórico
Entrega do trabalho de conclusão
Defesa oral do trabalho de conclusão
REFERÊNCIAS BIBLIOGRAFICAS
[1] SHARDANAND, Upendra. Social Information Filtering: Algorithms for Automating "Word
of Mouth". MIT Media-Lab. Cambridge, MA, 1995.
[2] AGRAWAL, Rakesh; SRIKANT, Ramakrishnan. Fast Algorithms for Mining Association
Rules. IBM Almaden Research Center. San Jose, CA, 1994.
[3] ALVAREZ, Sergio A.; LIN Weiyang; RUIZ Carolina. Collaborative Recommendation via
Adaptive Association Rule Mining. Proceedings of the Web Mining for E-Commerce
Workshop (WebKDD'2000). Boston, Agosto, 2000.
[4] FAYYAD, Usama; PIATETSKY-SHAPIRO, Gregory; SMYTH, Padhraic. From Data Mining to
Knowledge Discovery in Databases. USA: AAAI Press, 1996.
[5] DEHASPE, Luc; TOIVONEN, Hannu T.T. Discovery of Relational Association Rules.
Relational Data Mining, p189-212. Springer-Verlag, 2001.
BIBLIOGRAFIA COMPLEMENTAR
[6] AGRAWAL, Rakesh; IMIELINSKI, Tomasz; SWAMI, Arun. Mining Association Rules between
Sets of Items in Large Databases. ACM SIGMOND Conference, Whashington, DC. 1993.
[7] AGRAWAL, Rakesh; BAYARDO, Roberto; GUNOPULOS, Dimitrios. Constraint-Based Rule
Mining in Large, Dense Databases. 15th Int’l Conf. on Data Engineering, 1999.
AVALIADORES
1.
2.
3.
4.
Guilherme Liberali Neto
Luis Felipe Schilling
Fernando Santos Osório
Adelmo Luis Cechin
DATA
São Leopoldo, 15 de Agosto de 2003
ALUNO
ORIENTADOR