Sistema de sugestão de produtos para e-commerce utilizando Inteligência Artificial

  • Gabriel Ulmann UNIJUI
  • Cristiano Künas UNIJUI
  • Leandro Heck UNIJUI
  • Edson Padoin UNIJUI

Resumo


O trabalho trata da implementação de um sistema de recomendação baseado em filtragem colaborativa, utilizando técnicas de Machine Learning e Deep Learning. Esse sistema, diferentemente de outros do tipo, não depende de avaliações de clientes e infere a popularidade dos produtos com base em seu volume e recorrência de venda. Nesse estudo, as recomendações geradas são analisadas a fim de obter insights sobre as lojas virtuais das quais se originaram.

Referências

Burke, R. (2002). Interactive critiquing for catalog navigation in e-commerce. Artificial Intelligence Review, 18(1):245–267.

Fressato, E. P. (2019). Incorporação de metadados semânticos para recomendação no cenário de partida fria. PhD thesis, Universidade de Sao Paulo.

He, X., Liao, L., Zhang, H., Nie, L., Hu, X., and Chua, T.-S. (2017). Neural collaborative filtering. In Proceedings of the 26th International Conference on World Wide Web. International World Wide Web Conferences Steering Committee.

Hwangbo, H., Kim, Y. S., and Cha, K. J. (2018). Recommendation system development for fashion retail e-commerce. Electronic Commerce Research and Applications, 28:94–101.

Rheude, J. (2019). Will e-commerce benefit from machine learning or face a new threat? https://neilpatel.com/blog/will-e-commerce-benefit-from-machine-learning.

Shoja, B. and Tabrizi, N. (2019). Customer reviews analysis with deep neural networks for e-commerce recommender systems. IEEE Access, 7:119121–119130.

Tanner, G. (2018). Keras tutorial #10 book recommendation system. https://www.youtube.com/watch?v=4vwNkHFuZBk.
Publicado
14/04/2021
ULMANN, Gabriel; KÜNAS, Cristiano; HECK, Leandro; PADOIN, Edson. Sistema de sugestão de produtos para e-commerce utilizando Inteligência Artificial. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DA REGIÃO SUL (ERAD-RS), 21. , 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 53-56. ISSN 2595-4164. DOI: https://doi.org/10.5753/eradrs.2021.14773.