Descoberta de perfis de consumo a partir de uma arquitetura de data warehouse voltada para dados da web

• Autor(a) principal: Cunha, Holisson Soares da
• Data de Publicação: 2013
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIPAMPA
• Texto Completo: http://dspace.unipampa.edu.br/jspui/handle/riu/1583
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA; Computer science; Data warehouse; Multidimensional modeling; Data mining; Machine learning; Ciência da computação; Mineração de dados (Computação); Data warehouse; Modelagem multidimensional; Aprendizado de máquinas

Ambientes de Data Warehouse (DW) normalmente são utilizados para manipular dados de bases operacionais concretas. Entretanto, com o crescimento de informações relevantes disponibilizadas na Web sobre os interesses e desejos de consumo de usuários, surge a necessidade de empregar a arquitetura de DW na Web, o que exige que tanto os mecanismos de extração de dados quanto a posterior visualização sejam repensados. Neste trabalho é demonstrada a possibilidade de se utilizar uma arquitetura típica de DW dentro de uma aplicação Web voltada para análise de perfis de consumo. A aplicação é uma rede social de consumo, que visa aproximar pessoas que possuem perfis de compra semelhantes. A extração de dados ocorre através de um formulário de registro de compra, onde os usuários fornecem suas informações de consumo. A visualização é realizada através da geração de comunidades, que permitem a troca de experiências de usuários que tenham perfis de consumo parecidos. Para realizar a descoberta de perfis de consumo, foram avaliados três algoritmos de aprendizado não supervisionado: K-means, Expectation Maximization e Farthest First. Através dos experimentos observou-se um comportamento semelhante entre as abordagens quando os perfis de consumo são semelhantes. Com perfis bem definidos, o algoritmo EM obteve melhores resultados.