Métodos que geram funções de ordenação de resultados baseadas em aprendizagem de
máquina têm sido amplamente utilizados em sistemas de busca para a web, como as
utilizadas em motores de busca como o Google e Bing. No entanto, esses recursos não
têm sido muito empregados ou estudados em outros contextos. É o caso, por exemplo,
do comércio eletrônico, no qual, a interação de usuários com lojas virtuais produz
dados como: quando um usuário acessou a página de uma loja pela primeira vez, que
consultas realizou, quais produtos clicou, e o que comprou. Neste trabalho, propomos a
utilização de métodos de aprendizagem de máquina para aprender funções de ordenação
de resultados no contexto de comércio eletrônico. Estudamos formas alternativas de
estimar a relevância de um resultado para uma dada consulta e realizamos experimentos
utilizando dados extraídos de lojas de comércio eletrônico. Realizamos experimentos
tanto com ambientes que denominamos offline, onde uma base de dados é montada com
a abordagem tradicional de separa-la em treino, validação e teste, quanto em ambientes
que denominamos online, onde pusemos versões distintas dos sistemas para funcionar
em lojas com usuários em situações reais de compra. Apresentamos no estudo nossas
conclusões a respeito dos experimentos realizados.
|
