Learning to recommend similar alternative products in e-Commerce catalogs

Almeida, Urique Hoffmann de Souza; http://lattes.cnpq.br/1774760239292038

Dissertação

Learning to recommend similar alternative products in e-Commerce catalogs

Nesse trabalho, descrevemos um novo método que projetamos, implementamos e testamos para a tarefa de encontrar produtos que são alternativas similares a um dado produto em um catálogo de um site de comércio eletrônico. Nesse trabalho, consideramos como alternativas similares produtos que, apesar de...

ver descrição completa

Autor principal:	Almeida, Urique Hoffmann de Souza
Outros Autores:	http://lattes.cnpq.br/1774760239292038
Grau:	Dissertação
Idioma:	eng
Publicado em:	Universidade Federal do Amazonas 2016
Assuntos:	Product comparison functions E-Commerce Recommender systems Genetic programming Sistemas de recomendação Programação genética CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
Acesso em linha:	http://tede.ufam.edu.br/handle/tede/5402

id	oai:https:--tede.ufam.edu.br-handle-:tede-5402
recordtype	dspace
spelling	oai:https:--tede.ufam.edu.br-handle-:tede-54022016-12-23T05:03:40Z Learning to recommend similar alternative products in e-Commerce catalogs Almeida, Urique Hoffmann de Souza Silva, Altigran Soares da http://lattes.cnpq.br/1774760239292038 http://lattes.cnpq.br/3405503472010994 Product comparison functions E-Commerce Recommender systems Genetic programming Sistemas de recomendação Programação genética CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO Nesse trabalho, descrevemos um novo método que projetamos, implementamos e testamos para a tarefa de encontrar produtos que são alternativas similares a um dado produto em um catálogo de um site de comércio eletrônico. Nesse trabalho, consideramos como alternativas similares produtos que, apesar de não serem idênticos a um produto de interesse, têm características que os tornam boas alternativas a esse produto. Nossa motivação para esse trabalho é poder recomendar produtos similares com base apenas nas suas características, sem a necessidade da utilização do histórico de compras dos usuários. Assim, nesse trabalho lidamos com o chamado problema de cold start, que é comumente encontrado em abordagens de recomendação, e que pode levar a perda de lucro em sites de comércio eletrônico. Nosso método, chamado GPClerk, utiliza Programação Genética (GP) para aprender funções que comparam dois produtos, e dizem se estes são similares ou não. Essas funções são chamadas nesse trabalho de product comparison functions. Para tornar nosso método viável em um cenário típico de comércio eletrônico, propomos também uma estratégia não supervisionada para gerar exemplos de treino a serem utilizados no processo de aprendizagem. Resultados de experimentos que executamos e descrevemos nessa dissertação indicam que nosso método é capaz de gerar funções adequadas, e que nossa estratégia para geração automática de dados de treino é efetiva para essa tarefa. In this work, we describe a novel method we designed, implemented and tested to ﬁnding products that are similar alternatives to a given product in the catalog of an e-commerce site. By similar alternatives, we mean products that, although are not identical to a product of interest, have features that make them suitable alternatives for customers that look for it. Our motivation is to enable the recommendation of alternativeproductsbasedsolelyontheproduct’sfeatures,withoutrelyingonhistorical purchase data. By doing so, we address the so-called cold start problem, which is often found in product recommendation approaches, and that may lead to proﬁt loss in ecommerce sites. Our method, we call GPClerk, uses Genetic Programming (GP) to learn functions for comparing two products and telling whether two products are similar alternatives or not. These functions are termed here as product comparison functions. To make our method feasible in typical e-commerce settings, we also propose an unsupervised strategy to generate training examples to be used in the learning process. Results of experiments we carried out and report here indicate that our method is capable of generating suitable product comparison functions and that our strategy for automatically generating training data is effective for this task. FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas 2016-12-22T14:14:43Z 2016-06-15 Dissertação ALMEIDA, Urique Hoffmann de Souza. Learning to recommend similar alternative products in e-Commerce catalogs. 2016. 69 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2016. http://tede.ufam.edu.br/handle/tede/5402 eng Acesso Aberto application/pdf Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática
institution	TEDE - Universidade Federal do Amazonas
collection	TEDE-UFAM
language	eng
topic	Product comparison functions E-Commerce Recommender systems Genetic programming Sistemas de recomendação Programação genética CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
spellingShingle	Product comparison functions E-Commerce Recommender systems Genetic programming Sistemas de recomendação Programação genética CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO Almeida, Urique Hoffmann de Souza Learning to recommend similar alternative products in e-Commerce catalogs
topic_facet	Product comparison functions E-Commerce Recommender systems Genetic programming Sistemas de recomendação Programação genética CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
description	Nesse trabalho, descrevemos um novo método que projetamos, implementamos e testamos para a tarefa de encontrar produtos que são alternativas similares a um dado produto em um catálogo de um site de comércio eletrônico. Nesse trabalho, consideramos como alternativas similares produtos que, apesar de não serem idênticos a um produto de interesse, têm características que os tornam boas alternativas a esse produto. Nossa motivação para esse trabalho é poder recomendar produtos similares com base apenas nas suas características, sem a necessidade da utilização do histórico de compras dos usuários. Assim, nesse trabalho lidamos com o chamado problema de cold start, que é comumente encontrado em abordagens de recomendação, e que pode levar a perda de lucro em sites de comércio eletrônico. Nosso método, chamado GPClerk, utiliza Programação Genética (GP) para aprender funções que comparam dois produtos, e dizem se estes são similares ou não. Essas funções são chamadas nesse trabalho de product comparison functions. Para tornar nosso método viável em um cenário típico de comércio eletrônico, propomos também uma estratégia não supervisionada para gerar exemplos de treino a serem utilizados no processo de aprendizagem. Resultados de experimentos que executamos e descrevemos nessa dissertação indicam que nosso método é capaz de gerar funções adequadas, e que nossa estratégia para geração automática de dados de treino é efetiva para essa tarefa.
author_additional	Silva, Altigran Soares da
author_additionalStr	Silva, Altigran Soares da
format	Dissertação
author	Almeida, Urique Hoffmann de Souza
author2	http://lattes.cnpq.br/1774760239292038
author2Str	http://lattes.cnpq.br/1774760239292038
title	Learning to recommend similar alternative products in e-Commerce catalogs
title_short	Learning to recommend similar alternative products in e-Commerce catalogs
title_full	Learning to recommend similar alternative products in e-Commerce catalogs
title_fullStr	Learning to recommend similar alternative products in e-Commerce catalogs
title_full_unstemmed	Learning to recommend similar alternative products in e-Commerce catalogs
title_sort	learning to recommend similar alternative products in e-commerce catalogs
publisher	Universidade Federal do Amazonas
publishDate	2016
url	http://tede.ufam.edu.br/handle/tede/5402
_version_	1831969451245830144
score	11.753735

Learning to recommend similar alternative products in e-Commerce catalogs

Registros relacionados