Pesquisadores da USP desenvolvem métodos para possibilitar que as sugestões de produtos feitas por lojas de comércio eletrônico sejam mais precisas e eficientes
Uma pesquisa de pós-doutorado, desenvolvida no Laboratório de Inteligência Computacional (Labic) do Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP), campus de São Carlos, com Bolsa da FAPESP, pretende auxiliar os sites de comércio eletrônico (e-commerce) e provedores de conteúdo a tornar seus sistemas de recomendação mais eficientes.
Os pesquisadores estão desenvolvendo métodos para possibilitar que os sistemas computacionais das lojas virtuais possam fazer recomendações de produtos, serviços e conteúdos baseadas em outras variáveis que não somente o histórico de acessos ou de compras dos usuários, por exemplo.
“A ideia é que, além do padrão de comportamento do usuário ao acessar um determinado site, como as páginas de produtos que clicou, os sistemas de recomendação de lojas virtuais também utilizem informações do contexto em que o usuário está inserido enquanto navega, tais como o dia, a hora e a localização geográfica”, disse à Agência FAPESP Marcos Aurélio Domingues, pesquisador do Labic que, sob a supervisão da professora Solange Rezende, realizou o estudo.
De acordo com Domingues, os sites de e-commerce e provedores de conteúdo utilizam hoje dois diferentes níveis de sistemas de recomendação.
No primeiro, denominado recomendação “simples ou ingênua”, o sistema computacional sugere os mesmos produtos, músicas e filmes que o usuário comprou ou acessou em suas últimas visitas.
No segundo, adotado por empresas de comércio eletrônico como a norte-americana Amazon, o sistema de recomendação faz um cruzamento do produto que o usuário está clicando no momento da visita com os acessados ou comprados por pessoas que visitaram as mesmas páginas que ele nos últimos dias ou horas, para sugerir um produto que ainda não viu e que, eventualmente, pode ser de seu interesse.
Os dois sistemas, no entanto, ainda não levam em conta a informação de contexto, por exemplo, o dia da semana, o horário e a origem do acesso do usuário, que são fatores que influenciam o tipo de recomendação que deve receber, aponta Domingues.
Exemplos de aplicações
Alguns dos primeiros resultados da pesquisa realizada por Domingues foram utilizados em um estudo de caso de um site alemão que sugere nomes de bebês aos futuros pais em tempo real.
Durante a European Conference on Machine Learning and Principles and Practices of Knowledge Discovery (ECML PKDD), realizada no fim de setembro de 2013, em Praga (República Tcheca), os administradores do site alemão promoveram um desafio em que propuseram a programadores e pesquisadores de todo o mundo o desenvolvimento de um algoritmo para melhorar seu sistema de recomendação de nomes de bebês.
Domingues e colegas do Labic e da Universidade Federal do Mato Grosso do Sul (UFMS) desenvolveram um algoritmo que cruza os dados de localização do usuário no momento em que navega pelo site com uma relação de nomes mais populares de bebês no país de origem do acesso, identificados com base no acesso de outros usuários da mesma região nos meses anteriores, para realizar recomendações.
O projeto ficou em quarto lugar na competição internacional de propostas de sistemas de recomendação de nomes e os resultados foram relatados em um artigo publicado nos anais da conferência.
O estudo de caso foi submetido para ser apresentado na 22nd International Conference on Pattern Recognition, que ocorrerá no fim de agosto em Estocolmo (Suécia).
O artigo Improving the recommendation of given names by using contextual information, de Domingues e outros, pode ser lido nos anais da European Conference on Machine Learning and Principles and Practices of Knowledge Discovery.
Confira a matéria na íntegra na Exame