Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Rosa, Marcelo de Oliveira | - |
Autor(es): dc.contributor | Rosa, Marcelo de Oliveira | - |
Autor(es): dc.contributor | Lima, Matheus Garibalde Soares de | - |
Autor(es): dc.contributor | Berardi, Rita Cristina Galarraga | - |
Autor(es): dc.creator | Leon, Gabriela Vieira | - |
Data de aceite: dc.date.accessioned | 2022-08-04T20:18:36Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T20:18:36Z | - |
Data de envio: dc.date.issued | 2022-04-14 | - |
Data de envio: dc.date.issued | 2022-04-14 | - |
Data de envio: dc.date.issued | 2021-07-21 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/28045 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/706482 | - |
Descrição: dc.description | In the pandemic, due to social distance and trade restrictions, online sales grew. Without the sellers, the site itself needs to make recommendations to customers só that they buy other products. Sales and valuation data and their relationships can be described as graphs, more specifically, bipartite networks and these can be used to recommend products to customers. The objective of this work is to identify groups of customers with similar preferences using the BRIM algorithm of graph clustering and, based on their preferences, recommend other products that may be of interest. Four scenarios were studied, considering the use of clustering and number of connections, and different steps of database cleaning. The best scenario indicates that users who rated only one product and those who rated all products with the maximum grade and duplicate ratings should be disregarded. The clustering proved to be effective with a modularity of 0.843. Because it requires a small quantity of data and is easy to implement, the methodology can contribute to increasing sales and avoiding the closing of small businesses. The limitations found were the time to generate the clusters and that the recommendation is only made for users who have performed more than one assessment. For this reason, many products are not even considered in the evaluation base due to cleaning and, therefore, the system ends up not recommending products that are rarely purchased or recently added. | - |
Descrição: dc.description | Na pandemia, devido ao distanciamento social e as restrições do comércio, as vendas online cresceram. Sem os vendedores, é preciso que o próprio site faça recomendações aos clientes para que eles comprem outros produtos. Os dados das vendas e avaliações e suas relações podem ser descritos como grafos, mais especificamente, redes bipartidas, e estas podem ser utilizadas para recomendar produtos a clientes. O objetivo deste trabalho é identificar os grupos de clientes com preferências semelhantes utilizando agrupamento de grafos pelo algoritmo BRIM e, a partir da suas preferências, recomendar outros produtos. Foram estudados quatro cenários, considerando o uso de agrupamento e de número de conexões, e diferentes etapas de limpeza da base de dados. O melhor cenário indica que devem ser desconsiderados usuários que avaliaram apenas um produto e aqueles que avaliaram todos os produtos com nota máxima e avaliações duplicadas. O agrupamento se mostrou eficaz com uma modularidade de 0.843. Por requerer poucos dados e ser de fácil implementação, a metodologia pode contribuir para o aumento de vendas e evitar o fechamento de pequenos comércios. As limitações encontradas foram o tempo para gerar o agrupamento e que a recomendação só é realizada para usuários que fizeram mais de uma avaliação. Por isso, muitos produtos nem entram na base de avaliação devido à limpeza e, consequentemente, o sistema acaba não recomendando produtos pouco comprados ou recém adicionados. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Ciência de Dados e suas Aplicações | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Análise por agrupamento | - |
Palavras-chave: dc.subject | Teoria dos grafos | - |
Palavras-chave: dc.subject | Banco de dados | - |
Palavras-chave: dc.subject | Empresas - Avaliação | - |
Palavras-chave: dc.subject | Cluster analysis | - |
Palavras-chave: dc.subject | Graph theory | - |
Palavras-chave: dc.subject | Data bases | - |
Palavras-chave: dc.subject | Business enterprises - Valuation | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA | - |
Título: dc.title | Agrupamento de grafos e sistema de recomendação: um estudo de caso das avaliações da Amazon | - |
Título: dc.title | Clustering graphs and recommendation systems: a case study of Amazon ratings | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: