Análise e recomendação de livros baseado em grupos de usuários

Abstract

Resumo: Recomendação de conteúdo surge da necessidade de se encontrar um item, seja uma notícia, livros ou filmes, em meio a bilhões de informações disponíveis na web que seja de interesse de um usuário. Seu principal alvo é proporcionar ao usuário facilidade de encontrar o que deseja de maneira mais rápida e eficaz. E desta feita, esse trabalho visa propor uma solução a este problema, através de uma recomendação de filmes baseada em conteúdo com a utilização de tags e de uma análise do comportamento dos grupos de usuários, visando o aperfeiçoamento na recomendação. Para este objetivo, utilizou-se o algoritmo de treinamento K-nn, que tem sido usado de maneira abrangente em recomendações, primeiro aplicou-se a relação de filmes e tags, que são as categorias dada aos filmes pelos usuários, dessa forma, gerando filmes candidatos. Logo após, foi aplicado a relação de usuários com filmes candidatos, que são as avaliações que cada usuário atribui ao conteúdo assistido, sendo assim, obtendo-se os filmes para recomendação.A abordagem ocorreu desta forma visando contornar o problema que surgiu com os sistemas de recomendações, que é a partida a frio, onde muitas vezes, o item escolhido pelo usuário não possui muitas avaliações. A metodologia foi aplicada à base de livros goodbook-10k, onde contem 10.000 livros com 980.000 avaliações de usuários. Desse modo, o objetivo do trabalho foi alcançado, que é efetuar recomendações de filmes aos usuários. Para analise do comportamento do usuários que são alvos da recomendação, utilizou-se um agrupamento utilizando o K-means para extrair as características dos grupos de usuários leitores, onde encontrou-se 10 grupos, mas todos expressaram um comportamento em destaque, todos são leitores predominantemente de livros ligados a ficção, crime e suspense. Portanto, contendo estas informações o sistema de recomendação pode ser treinado e cada vez mais aperfeiçoado de acordo com o comportamento dos usuários e suas leituras e dessa forma proporcionando uma experiência boa e direcionada ao conteúdo de interesse de maneira eficaz e rápida.__Abstract: Content recommendation arises from the need to find an item, be it news, books or films, amid billions of information available on the web that is of interest to a user. Its main target is to provide the user with the facility to find what they want more quickly and effectively. And this time, this work aims to propose a solution to this problem, through a recommendation of films based on content with the use of tags and an analysis of the behavior of the groups of users, aiming at the improvement in the recommendation. For this purpose, the K-nn training algorithm was used, which has been used comprehensively in recommendations. First, the list of films and tags was applied, which are the categories given to films by users, thus generating candidate films. Soon after, the relationship of users with candidate films was applied, which are the evaluations that each user attributes to the watched content, thus obtaining the films for recommendation. The approach occurred in this way aiming to circumvent the problem that arose with the systems of recommendations, which is the cold start, where often, the item chosen by the user does not have many evaluations. The methodology was applied to a goodbook-10k book base, which contains 10,000 books with 980,000 user reviews. Thus, the objective of the work was achieved, which is to make film recommendations to users. To analyze the behavior of the users who are targets of the recommendation, a grouping was used using K-means to extract the characteristics of the groups of reader users. 10 groups were found, but all expressed a prominent behavior, all of whom are predominantly readers of books related to fiction, crime and suspense. Therefore, containing this information, the recommendation system can be trained and increasingly refined according to the behavior of users and their readings and thus providing a good experience and directed to the content of interest in an effective and fast way.