Solução de Recomendação de Conteúdos Personalizados

Detalhes bibliográficos
Autor(a) principal: Leote, Catarina Sofia Esteves
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/10451/40435
Resumo: Tese de mestrado, Informática, Universidade de Lisboa, Faculdade de Ciências, 2019
id RCAP_9a90f7d3cb0f09f14b3eb2a10417860f
oai_identifier_str oai:repositorio.ul.pt:10451/40435
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Solução de Recomendação de Conteúdos PersonalizadosAprendizagem AutomáticaProspeccão de DadosSegmentação de ClientesSistemas de RecomendaçãoTeses de mestrado - 2019Departamento de InformáticaTese de mestrado, Informática, Universidade de Lisboa, Faculdade de Ciências, 2019Todos os dispositivos mantêm registos das nossas decisões, escolhas e hábitos, aumentando assim a quantidade de dados associados ao indivíduo. Estes dados são um mundo de informação para o comércio e indústria, atribuindo uma lógica a dados que antes não tinham significado. De acordo com este problema surgiu a temática para este projecto, uma Solução de Recomendação de Conteúdos Personalizados que permitirá, de acordo com os comportamentos do cliente registados, direccionar não só conteúdos disponíveis no serviço em questão, como também campanhas mais adequadas ao perfil comportamental do cliente. Esta Solução terá como base dados reais provenientes de um negócio de telecomunicações e a sua correspondência com os dados do IMDb. Na solução apresentada, utilizámos dois algoritmos de Aprendizagem Automática com o intuito de identificar grupos de clientes com os mesmos comportamentos. Estes grupos permitiram estabelecer três cenários distintos de recomendação com base nas features escolhidas. Para cada um dos cenários, foram recomendados conteúdos utilizando uma recomendação híbrida, neste caso um conjunto de três tipos diferentes de recomendação. Com a Solução desenvolvida, conseguimos obter recomendações apropriadas para 90% dos clientes da amostra utilizada. Também foi possível identificar através dos comportamentos destes mesmos clientes, que tipo de campanhas seriam as mais adequadas. Tudo isto influenciará a experiência do cliente para como serviço podendo motivar à sua fidelização para com o negócio.All devices keep a record of our decisions, choices and habits, raising data volume associated with each person. Such data is extremely valuable to business and industries, providing meaning to information that before didn’t have any meaning. On a Solution for Personalized Content Recommendation, that will, from registered customer behavior, not only recommend pertinent visualization options but also provide valuable input for marketing campaigns based on the customer profile. The data used in this solution is originated from the real world deployment of a telecommunications company, and was matched with IMDb data entries. For such achievement, in the presented solution, we used two Machine Learning algorithms in order to identify customers groups with the same behavior. This groups aim to establish three different recommendation scenarios based on the choosen features. For each one of the scenarios, the content was also recommended using an hybrid recommendation, in this case a set of three different recommendation types. With the developed solution, we were able to obtain appropriate recommendations for 90% of the clients in the used sample. It was also possible to identify through these customer behaviors, which type of campaigns would be the most appropriate. All of this will influence the customer experience in the service being able to motivate its loyalty to the business.Coelho, José Romana Baptista, 1986-Repositório da Universidade de LisboaLeote, Catarina Sofia Esteves2019-12-10T10:32:00Z201920192019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/40435TID:202388310porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:39:44Zoai:repositorio.ul.pt:10451/40435Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:54:08.505799Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Solução de Recomendação de Conteúdos Personalizados
title Solução de Recomendação de Conteúdos Personalizados
spellingShingle Solução de Recomendação de Conteúdos Personalizados
Leote, Catarina Sofia Esteves
Aprendizagem Automática
Prospeccão de Dados
Segmentação de Clientes
Sistemas de Recomendação
Teses de mestrado - 2019
Departamento de Informática
title_short Solução de Recomendação de Conteúdos Personalizados
title_full Solução de Recomendação de Conteúdos Personalizados
title_fullStr Solução de Recomendação de Conteúdos Personalizados
title_full_unstemmed Solução de Recomendação de Conteúdos Personalizados
title_sort Solução de Recomendação de Conteúdos Personalizados
author Leote, Catarina Sofia Esteves
author_facet Leote, Catarina Sofia Esteves
author_role author
dc.contributor.none.fl_str_mv Coelho, José Romana Baptista, 1986-
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Leote, Catarina Sofia Esteves
dc.subject.por.fl_str_mv Aprendizagem Automática
Prospeccão de Dados
Segmentação de Clientes
Sistemas de Recomendação
Teses de mestrado - 2019
Departamento de Informática
topic Aprendizagem Automática
Prospeccão de Dados
Segmentação de Clientes
Sistemas de Recomendação
Teses de mestrado - 2019
Departamento de Informática
description Tese de mestrado, Informática, Universidade de Lisboa, Faculdade de Ciências, 2019
publishDate 2019
dc.date.none.fl_str_mv 2019-12-10T10:32:00Z
2019
2019
2019-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/40435
TID:202388310
url http://hdl.handle.net/10451/40435
identifier_str_mv TID:202388310
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134479975972864

Registros relacionados