Sistemas de Recomendação: uma perspectiva orientada ao deep learning

Abstract

A utilização massiva das plataformas digitais proporcionou um aumento exponencial no volume de dados consumidos e gerados diariamente. Por conseguinte, nota-se a ocorrência de uma sobrecarga de dados que afetam diretamente a experiência de consumo dos produtos digitais, seja para consultar uma notícia, consumir um produto em e-commerce ou a escolha de um filme em uma plataforma de streaming. Nesse contexto, surgem os sistemas de recomendação, os quais possuem a finalidade prover uma forma de eficiente de entender as predileções dos usuários e recomendar itens direcionados a eles. Desse modo, este trabalho visa explanar as técnicas clássicas utilizadas, bem como analisar a utilização em conjunto com deep learning, a qual por meio de resultados avaliados possui maior capacidade de obter relações implícitas entre os usuários e itens e, portanto, prover recomendações de maior qualidade e precisão.

The massive use of the digital platforms has provided an exponential increase at the amount of data diary consumed and generated. Thus, there is a data overload which directly affects the consume experience of digital products, whether at find a news, consume an e-commerce product or to choose a movie in a streaming platform. In this context, emerge the recommendation systems, which have the finality of provide an efficient way to comprehend the user predilections and to recommend direct items. In this way, this work aims to explain the classical techniques already used, as well as to analyze the use together with deep learning, which through evaluated results has a grater capability to obtain implicit relationships between users and items, therefore, provide recommendations with quality and accuracy.