Sistema de recomendação para uma plataforma de comércio eletrónico

• Autor(a) principal: Moreira, António José Braga
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/14817
• topic: Sistema de recomendação; Comércio eletrónico; Regras associativas; Filtragem colaborativa; Recommendation system; e-commerce; Association rules; Collaborative filtering

Atualmente, devido ao desenvolvimento das tecnologias de informação e computação e consequente melhoria do acesso à internet, verifica-se uma maior utilização das plataformas de comércio eletrónico para a compra de produtos. Contudo, a forte adesão das pessoas a este tipo de plataformas originou dificuldades para as empresas que criam estas plataformas. Um dos principais problemas é a grande quantidade de produtos disponíveis o que dificulta os utilizadores encontrarem os produtos que pretendem. No caso da Netflix, por exemplo, “caso um utilizador, não encontre algo que lhe interesse após um período de 60 a 90 segundos de navegação, a probabilidade de o mesmo não aderir ao serviço aumenta consideravelmente”. De forma a colmatar esse problema, foram criados os sistemas de recomendação, que visam ajudar os utilizadores no processo de compra, através da sugestão de produtos com base em diversos fatores. Este documento analisa algumas das arquiteturas utilizadas pelas plataformas de comércio eletrónico, diferentes técnicas de recomendação e os problemas associados a cada uma delas, diferentes métodos e métricas de avaliação de sistemas de recomendação. Além disso, apresenta alguns exemplos de sistemas de recomendação. Esta dissertação culminou na proposta de um sistema de recomendação para uma plataforma de comércio eletrónico. Os resultados obtidos foram positivos uma vez que o sistema criado passou nos testes de integração, os três algoritmos implementados obtiveram uma taxa de sucesso superior à da baseline1 , tendo os testes de carga realizados à API sido melhores do que o esperado. (1 Baseline: valor mínimo utilizado para avaliar a qualidade do sistema de recomendação.)