RecSysExp : um framework de alto nível de abstração para implementação e validação de sistemas de recomendação.

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.