A comparison of recommender systems for crowdfunding projects

Detalhes bibliográficos
Autor(a) principal: Benin, Adriano Carniel
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: eng
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/185086
Resumo: Sistemas de recomendação são um tópico de grande interesse de pesquisa na área de aprendizado de máquina e são de grande interesse comercial para vários negócios. Esse trabalho propõe implementar e analisar diferentes estratégias de recomendação para uma plataforma de financiamento coletivo em particular. As principais abordagens empregadas em sistemas comerciais modernos são analisadas, e várias métricas de performance são avaliadas para cada uma delas. A plataforma de financiamento coletivo na qual avaliamos as técnicas de recomendação selecionadas apresenta diversas características que dificultam a implementação de sistemas de recomendação, tais como a natureza transiente dos projetos e a pequena quantidade de dados disponíveis para prever as avaliações dos usuários. São apresentados resultados comparando cada tipo de sistema de recomendação implementado em um sistema de produção com usuários reais, e no final concluímos que uma abordagem Híbrida aplicada na plataforma escolhida pode aumentar nossa métrica principal de taxa de conversão em até 50%.
id UFRGS-2_602b7d20bc03d3923948dec36e6e11d5
oai_identifier_str oai:www.lume.ufrgs.br:10183/185086
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Benin, Adriano CarnielSilva, Bruno Castro da2018-11-24T03:15:00Z2018http://hdl.handle.net/10183/185086001077654Sistemas de recomendação são um tópico de grande interesse de pesquisa na área de aprendizado de máquina e são de grande interesse comercial para vários negócios. Esse trabalho propõe implementar e analisar diferentes estratégias de recomendação para uma plataforma de financiamento coletivo em particular. As principais abordagens empregadas em sistemas comerciais modernos são analisadas, e várias métricas de performance são avaliadas para cada uma delas. A plataforma de financiamento coletivo na qual avaliamos as técnicas de recomendação selecionadas apresenta diversas características que dificultam a implementação de sistemas de recomendação, tais como a natureza transiente dos projetos e a pequena quantidade de dados disponíveis para prever as avaliações dos usuários. São apresentados resultados comparando cada tipo de sistema de recomendação implementado em um sistema de produção com usuários reais, e no final concluímos que uma abordagem Híbrida aplicada na plataforma escolhida pode aumentar nossa métrica principal de taxa de conversão em até 50%.Recommender systems have been a popular research topic in the field of Machine Learning and are of great commercial interest for many businesses. This work aims to implement and evaluate different recommendation strategies in the context of a crowdfunding platform. The main approaches used in modern commercial applications are considered in this work and several performance metrics are measured in order to evaluate each implemented recommendation system. The crowdfunding platform in which we evaluate these different recommendation algorithms provides many interesting challenges, such as the transient nature of projects and the low amount of information available for rating prediction. Results from production tests with real users are provided in order to compare each approach with a chosen baseline. In the end, we conclude that a Hybrid approach applied to the chosen platform can increase our main metric of Conversion Rate by as much as 50%.application/pdfengInteligência artificialAprendizado : máquinaMachine learningCrowdfundingAIRecommender systemsA comparison of recommender systems for crowdfunding projectsUma comparação de sistemas de recomendação para projetos de financiamento coletivo info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2018Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001077654.pdf.txt001077654.pdf.txtExtracted Texttext/plain81514http://www.lume.ufrgs.br/bitstream/10183/185086/2/001077654.pdf.txt4d988f778cd9348ab2f3bc966ded50d5MD52ORIGINAL001077654.pdfTexto completo (inglês)application/pdf972290http://www.lume.ufrgs.br/bitstream/10183/185086/1/001077654.pdf1004edfd23644f6d459ae8264fdf0977MD5110183/1850862021-05-26 04:37:09.368199oai:www.lume.ufrgs.br:10183/185086Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2021-05-26T07:37:09Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv A comparison of recommender systems for crowdfunding projects
dc.title.alternative.pt.fl_str_mv Uma comparação de sistemas de recomendação para projetos de financiamento coletivo
title A comparison of recommender systems for crowdfunding projects
spellingShingle A comparison of recommender systems for crowdfunding projects
Benin, Adriano Carniel
Inteligência artificial
Aprendizado : máquina
Machine learning
Crowdfunding
AI
Recommender systems
title_short A comparison of recommender systems for crowdfunding projects
title_full A comparison of recommender systems for crowdfunding projects
title_fullStr A comparison of recommender systems for crowdfunding projects
title_full_unstemmed A comparison of recommender systems for crowdfunding projects
title_sort A comparison of recommender systems for crowdfunding projects
author Benin, Adriano Carniel
author_facet Benin, Adriano Carniel
author_role author
dc.contributor.author.fl_str_mv Benin, Adriano Carniel
dc.contributor.advisor1.fl_str_mv Silva, Bruno Castro da
contributor_str_mv Silva, Bruno Castro da
dc.subject.por.fl_str_mv Inteligência artificial
Aprendizado : máquina
topic Inteligência artificial
Aprendizado : máquina
Machine learning
Crowdfunding
AI
Recommender systems
dc.subject.eng.fl_str_mv Machine learning
Crowdfunding
AI
Recommender systems
description Sistemas de recomendação são um tópico de grande interesse de pesquisa na área de aprendizado de máquina e são de grande interesse comercial para vários negócios. Esse trabalho propõe implementar e analisar diferentes estratégias de recomendação para uma plataforma de financiamento coletivo em particular. As principais abordagens empregadas em sistemas comerciais modernos são analisadas, e várias métricas de performance são avaliadas para cada uma delas. A plataforma de financiamento coletivo na qual avaliamos as técnicas de recomendação selecionadas apresenta diversas características que dificultam a implementação de sistemas de recomendação, tais como a natureza transiente dos projetos e a pequena quantidade de dados disponíveis para prever as avaliações dos usuários. São apresentados resultados comparando cada tipo de sistema de recomendação implementado em um sistema de produção com usuários reais, e no final concluímos que uma abordagem Híbrida aplicada na plataforma escolhida pode aumentar nossa métrica principal de taxa de conversão em até 50%.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-11-24T03:15:00Z
dc.date.issued.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/185086
dc.identifier.nrb.pt_BR.fl_str_mv 001077654
url http://hdl.handle.net/10183/185086
identifier_str_mv 001077654
dc.language.iso.fl_str_mv eng
language eng
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 Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/185086/2/001077654.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/185086/1/001077654.pdf
bitstream.checksum.fl_str_mv 4d988f778cd9348ab2f3bc966ded50d5
1004edfd23644f6d459ae8264fdf0977
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447232398229504

Registros relacionados