Unindo KNN e Marketing Digital: Algoritmo de Recomendação
Resumo
A inteligência artificial vem sendo utilizada nas mais diversas áreas para fins de ánalise de dados, recomendação de itens, previsões, entre outros. Uma das técnicas utilizadas neste processo é o uso do k-vizinhos mais próximos, cujo objetivo é classificar um novo dado com base na classificação dos indivíduos mais parecidos com ele. Medidos por uma função de cálculo da distância entre os valores do novo indivíduo e cada outro existente na base de dados. O algoritmo k-vizinhos mais próximos é comumente utilizado para classificação de dados devido à sua simplicidade e qualidade, sendo esta diretamente ligada ao treinamento prévio do algoritmo como característico nos algoritmos supervisionados. Este trabalho propõe um algoritmo que utiliza as técnicas do k-vizinhos mais próximos para recomendar novos cursos na área de estética a clientes já existentes na base de dados.
Palavras-chave:
Algoritmo k-vizinhos mais próximos (KNN), Marketing Digital, Algoritmo de Recomendação
Referências
Amaral, F. (2016). Aprenda mineração de dados: Teoria e prática. São Paulo: Alta Books.
Assis, M. (2009). Metodologia do trabalho científico. Editora Universitaria UFPB, 3.
Braga, M. (2002). Indução automática de Árvores de decisão. UFSC.
Buani, B. et al. (2009). Aplicação do algoritmo dos k-vizinhos mais próximos para seleção de características da morfologia de asas de abelhas sem ferrão. Universidade de São Paulo, page 5.
Eiben, A. and Smith, J. (2003). Introduction to evolutionary computing. Springer.
Le, L. et al. (2021). Knn loss and deep knn. IOS Press, 182:95 – 110.
Michel, M. (2005). Metodologia e pesquisa científica: um guia prático para acompanhamento da disciplina e elaboração de trabalhos monográficos. ́São Paulo: Atlas.
NumPy (2022). Numpy documentation. https://numpy.org/doc/stable/.
Pandas (2022). Pandas documentation. https://pandas.pydata.org/docs/.
Python (2018). Python 3.7 documentation. https://docs.python.org/3.7/.
Scikit-learn (2019). Documentation of scikitlearn. https://scikit-learn.org/0.21/documentation.html.
Shalev-Shwartz, S. and Ben-David, S. (2014). Understanding machine learning: From theory to algorithms. Cambridge: Cambridge University Press.
Silva, C. (2017). Avaliação da qualidade da informação na área da saúde: Aplicação de algoritmos de aprendizado de maquina. UCS.
Silva, L. D. (2005). Uma aplicação de Árvores de decisão, redes neurais e knn para a identificação de modelos arma não-sazonais e sazonais. Pontifícia Universidade Católica do Rio de Janeiro, pages 53 – 55.
Sodre, L. (2016). Big data estratégico: Um framework para gestão sistêmica do ecossistema big data. COPPE, UFRJ.
Stanton, A. and Stanton, W. (2019). Closing the skills gap: Finding skilled analytics professionals for a dynamically changing data-driven environment. Applied Marketing Analytics, 5:170 – 184.
Vianna, W. and Dutra, M. (2016). Big data e gestao da informação: Modelagem do contexto decisional apoiado pela sistemografia. Revista Informação e Informação, Londrina, 21(1):185 – 212.
Assis, M. (2009). Metodologia do trabalho científico. Editora Universitaria UFPB, 3.
Braga, M. (2002). Indução automática de Árvores de decisão. UFSC.
Buani, B. et al. (2009). Aplicação do algoritmo dos k-vizinhos mais próximos para seleção de características da morfologia de asas de abelhas sem ferrão. Universidade de São Paulo, page 5.
Eiben, A. and Smith, J. (2003). Introduction to evolutionary computing. Springer.
Le, L. et al. (2021). Knn loss and deep knn. IOS Press, 182:95 – 110.
Michel, M. (2005). Metodologia e pesquisa científica: um guia prático para acompanhamento da disciplina e elaboração de trabalhos monográficos. ́São Paulo: Atlas.
NumPy (2022). Numpy documentation. https://numpy.org/doc/stable/.
Pandas (2022). Pandas documentation. https://pandas.pydata.org/docs/.
Python (2018). Python 3.7 documentation. https://docs.python.org/3.7/.
Scikit-learn (2019). Documentation of scikitlearn. https://scikit-learn.org/0.21/documentation.html.
Shalev-Shwartz, S. and Ben-David, S. (2014). Understanding machine learning: From theory to algorithms. Cambridge: Cambridge University Press.
Silva, C. (2017). Avaliação da qualidade da informação na área da saúde: Aplicação de algoritmos de aprendizado de maquina. UCS.
Silva, L. D. (2005). Uma aplicação de Árvores de decisão, redes neurais e knn para a identificação de modelos arma não-sazonais e sazonais. Pontifícia Universidade Católica do Rio de Janeiro, pages 53 – 55.
Sodre, L. (2016). Big data estratégico: Um framework para gestão sistêmica do ecossistema big data. COPPE, UFRJ.
Stanton, A. and Stanton, W. (2019). Closing the skills gap: Finding skilled analytics professionals for a dynamically changing data-driven environment. Applied Marketing Analytics, 5:170 – 184.
Vianna, W. and Dutra, M. (2016). Big data e gestao da informação: Modelagem do contexto decisional apoiado pela sistemografia. Revista Informação e Informação, Londrina, 21(1):185 – 212.
Publicado
01/06/2022
Como Citar
TRAMONTIN, Enzo R.; RIVA, Aline D..
Unindo KNN e Marketing Digital: Algoritmo de Recomendação. In: ESCOLA REGIONAL DE COMPUTAÇÃO DO RIO GRANDE DO SUL (ERCOMP-RS), 2. , 2022, Canoas.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 93-104.
DOI: https://doi.org/10.5753/ercomprs.2022.20410.
