Modelagem preditiva com algoritmo k-vizinhos mais próximos para sistemas de recomendação

Abstract

A sobrecarga de informações e a quantidade de opções de produtos e serviços disponíveis em websites de comércio eletrônico, influenciam diretamente no processo de decisão de compras on-line. Os sistemas de recomendação têm como objetivo descobrir e apresentar produtos e serviços que vão de encontro aos interesses dos compradores, oferecendo facilidade na procura e na escolha de itens dentro da imensa quantidade que são comumente oferecidos. Este trabalho tem como objetivo o desenvolvimento de um modelo de aplicação para prever recomendações relevantes para usuários de um comércio eletrônico. O modelo de aplicação foi construído utilizando da ferramenta RapidMiner Studio e aplicado a base de dados Online Retail Data Set, no qual contém dados transacionais reais de um comércio eletrônico. Para a análise e validação dos resultados do modelo de aplicação, foi utilizado da medida de erro RMSE, que permite aferir a qualidade do ajuste de um modelo preditivo, comparando os valores reais das avaliações dos usuários, com o valor previsto pelo modelo. A validação dos resultados demonstrou que o modelo de aplicação desenvolvido atingiu a proposta do trabalho, sendo possível prever recomendações relevantes para usuários.