Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/5711
Title: RecSysExp : um framework de alto nível de abstração para implementação e validação de sistemas de recomendação.
Authors: Silva, Lucas Natali Magalhães
metadata.dc.contributor.advisor: Fortes, Reinaldo Silva
metadata.dc.contributor.referee: Sousa, Daniel Xavier de
Ferreira, Anderson Almeida
Fortes, Reinaldo Silva
Keywords: Sistemas de recomendação
Experimentação
Framework
Issue Date: 2023
Citation: NATALI, Lucas Natali Magalhães. RecSysExp : um framework de alto nível de abstração para implementação e validação de sistemas de recomendação. 2023. 82 f. Monografia (Graduação em Ciência da Computação) -Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.
Abstract: Este trabalho consiste na implementação de um framework para realização de experimentos em sistemas de recomendação, seu intuito é permitir que cenários de experimentação em sistemas de recomendação possam ser criados e analisados de forma prática, isso será possível dado que o projeto fornece uma abordagem ponta-a-ponta que conta com etapas como a de pré-processamento dos dados de entrada, modelagem e treinamento de algoritmos de recomendação, avaliação dos resultados através de diferentes métricas até a visualização dos resultados. Nesse framework temos um conjunto de conceitos e técnicas que serão base para criação de quase todo o projeto, como principais exemplos, destacam-se a recomendação e a reprodutibilidade de experimentos. A recomendação pode ser vista como um sistema capaz de sugerir a um usuário objetos úteis e/ou interessantes considerando um grande conjunto de opções. No caso da reprodutibilidade estamos nos referindo à capacidade de diferentes investigadores tirarem as mesmas conclusões a partir de um experimento, essa característica será garantida através do arquivo de configuração criado para o RecSysExp. Essa construção é baseada principalmente na extração das melhores características dentre as bibliotecas e frameworks que possuem componentes relacionados às variadas etapas do ciclo de desenvolvimento e experimentação em sistemas de recomendação, sendo assim, esse trabalho visa facilitar a inclusão de novos paradigmas, recomendadores, meta-features, métricas e outros recursos. Até o momento, esse trabalho conta com um conjunto de algoritmos base para o processo de predição e recomendação, alguns deles são: UserKNN, ItemKNN, Bias, BiasedSVD, ImplicitMF, BiasedMF, SlopeOne, PopScore e outros. Como resultados desse trabalhos foi obtida uma revisão da literatura que nos proporcionou a definição de componentes, interfaces e classes que permitem flexibilidade e extensibilidade na inclusão de novos recursos ao framework, uma estrutura de recomendação que abrange diferentes estratégias além de maneiras de analisar e reaproveitar os resultados de cada etapa. Além disso, a partir da definição de alguns experimentos foram encontradas diferentes formas de visualização dos resultados, cálculo e armazenamento dos resultados de predições e recomendações, esses resultados foram submetidos a um conjunto de métricas como RMSE, NDCG e MAE. Desses resultados, conclui-se que a base geral para o framework foi consolidada através de diferentes estruturas de classe que permitem a extensão do projeto, métodos base relacionados a pré-processamento, recomendação e avaliação, armazenamento dos resultados de forma padronizada garantindo que todos os artefatos gerados pelo experimentos estejam organizados e disponíveis, integração entre os projetos relacionados ao RecSysExp, além da documentação do framework e dos trabalhos relacionados.
metadata.dc.description.abstracten: This work consists of the implementation of a framework for carrying out experiments in recommendation systems, its purpose is to allow that experimentation scenarios in recommendation systems can be created and analyzed in a practical way, this will be possible given that the project provides a point-of-view approach. a-tip that includes steps such as pre-processing of input data, modeling and training of recommendation algorithms, evaluation of results through different metrics to visualization of results. In this framework we have a set of concepts and techniques that will be the basis for the creation of almost the entire project, as the main ones we have the recommendation and reproducibility of experiments. The recommendation can be seen as a system capable of suggesting useful and/or interesting objects to a user considering a large set of options. In the case of reproducibility we are referring to the ability of different investigators to draw the same conclusions from an experiment, this characteristic will be guaranteed through the configuration file created for RecSysExp. This construction is mainly based on extracting the best features among the libraries and frameworks that have components related to the various stages of the development and experimentation cycle in recommender systems, therefore, this work aims to facilitate the inclusion of new paradigms, recommenders, meta- features, metrics and other resources. So far, this work has a set of base algorithms for the prediction and recommendation process, some of them are: UserKNN, ItemKNN, Bias, BiasedSVD, ImplicitMF, BiasedMF, SlopeOne, PopScore and others. As a result of this work, we obtained a literature review that provided us with the definition of components, interfaces and classes that allow flexibility and extensibility in the inclusion of new features to the framework, a recommendation structure that covers different strategies as well as ways to analyze and reuse the results. of each step. In addition, based on the definition of some experiments, we were able to find different ways of viewing the results, calculating and storing the results of predictions and recommendations, these results were submitted to a set of metrics such as RMSE, NDCG and MAE. From these results, we were able to conclude that the general basis for the framework was consolidated through different class structures that allow the extension of the project, base methods related to pre-processing, recommendation and evaluation, storage of results in a standardized way, guaranteeing that all artifacts generated by the experiments are organized and available, integration between projects related to RecSysExp in addition to the framework and work documentation related.
URI: http://www.monografias.ufop.br/handle/35400000/5711
Appears in Collections:Ciência da Computação

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_RecsysexpFrameworkAlto.pdf1,25 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.