Recommender Vision: um sistema de recomendação para o comércio baseado em Visão Computacional
Resumo
Sistemas de recomendação são úteis para melhorar a sugestão de compra aos clientes, ajudando-os em processos de tomada de decisão. Esses sistemas se utilizam com dados estruturados e, em virtude disso, conjuntos de dados não estruturados são pouco explorados. Nesse contexto, agregar técnicas de visão computacional e inteligência artificial pode melhorar o resultado das recomendações. Esse artigo apresenta o andamento da implementação de um sistema de recomendação que recomenda produtos em tempo real com base no comportamento das pessoas, considerando análise de imagens de vídeo. A abordagem considera a preservação de identidade dos usuários, a partir da correspondência facial, sem identificação nominal. As inferências para sugestões de vendas tomam por base o monitoramento de imagens de determinada região da loja, com produtos que os usuários estão observando durante uma compra.Referências
G. Alfian, M. F. Ijaz, M. Syafrudin, M. A. Syaekhoni, N. L. Fitriyani, and J. Rhee, "Customer behavior analysis using real-time data processing," Asia Pacific Journal of Marketing and Logistics, p. 265–290, 2019.
L. Yu, F. Han, S. Huang, and Y. Luo, "A content-based goods image recommendation system," Multimedia Tools and Applications, p. 4155–4169, 2018.
I. Portugal, P. Alencar, and D. Cowan, "The use of machine learning algorithms in recommender systems: A systematic review," Expert Systems with Applications, pp. 205–227, 2018.
Z. Batmaz, A. Yurekli, A. Bilge, and C. Kaleli, "A review on deep learning for recommender systems: Challenges and remedies," Artificial Intelligence Review, p. 1–37, 6 2018.
G. Adomavicius and A. Tuzhilin, "Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions," IEEE Transactions On Knowledge and Data Engineering, pp. 734–749, 2005.
K. Tarnowska, Z. W. Ras, and L. Daniel, Recommender System for Improving Customer Loyalty. Springer, 2020.
Brasil, "Lei no 13.709, de 14 de agosto de 2018. Dispõe sobre a proteção de dados pessoais e altera a Lei no 12.965, de 23 de abril de 2014 (Marco Civil da Internet)." Diário Oficial da República Federativa do Brasil, 14 ago. 2018. [Online]. Available: http://www.in.gov. br/materia/-/asset\ publisher/Kujrw0TZC2Mb/content/id/36849373/ do1-2018-08-15-lei-no-13-709-de-14-de-agosto-de-2018-36849337
I. Arapakis, Y. Moshfeghi, H. Joho, R. Ren, D. Hannah, and J. M. Jose, "Integrating facial expressions into user profiling for the improvement of a multimodal recommender system," in 2009 IEEE International Conference on Multimedia and Expo. IEEE, 2009, pp. 1440–1443.
C.-C. Wu, Y.-C. Zeng, and M.-J. Shih, "Enhancing retailer marketing with an facial recognition integrated recommender system," IEEE International Conference on Consumer Electronics-Taiwan, pp. 25–26, 2015.
S. Zhang, L. Yao, A. Sun, and Y. Tay, "Deep learning based recommen- der system: A survey and new perspectives," ACM Computing Surveys (CSUR), vol. 52, no. 1, pp. 1–38, 2019.
K. Gidlof, A. Wallin, R. Dewhurst, and K. Holmqvist, "Using ¨ eye tracking to trace a cognitive process: Gaze behaviour during decision making in a natural environment," Journal of Eye Movement Research, vol. 6, no. 1, Apr. 2013. [Online]. Available: https: //bop.unibe.ch/JEMR/article/view/2351
L. Yu, F. Han, S. Huang, and Y. Luo, "A content-based goods image recommendation system," Multimedia Tools and Applications, p. 4155–4169, 2018.
I. Portugal, P. Alencar, and D. Cowan, "The use of machine learning algorithms in recommender systems: A systematic review," Expert Systems with Applications, pp. 205–227, 2018.
Z. Batmaz, A. Yurekli, A. Bilge, and C. Kaleli, "A review on deep learning for recommender systems: Challenges and remedies," Artificial Intelligence Review, p. 1–37, 6 2018.
G. Adomavicius and A. Tuzhilin, "Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions," IEEE Transactions On Knowledge and Data Engineering, pp. 734–749, 2005.
K. Tarnowska, Z. W. Ras, and L. Daniel, Recommender System for Improving Customer Loyalty. Springer, 2020.
Brasil, "Lei no 13.709, de 14 de agosto de 2018. Dispõe sobre a proteção de dados pessoais e altera a Lei no 12.965, de 23 de abril de 2014 (Marco Civil da Internet)." Diário Oficial da República Federativa do Brasil, 14 ago. 2018. [Online]. Available: http://www.in.gov. br/materia/-/asset\ publisher/Kujrw0TZC2Mb/content/id/36849373/ do1-2018-08-15-lei-no-13-709-de-14-de-agosto-de-2018-36849337
I. Arapakis, Y. Moshfeghi, H. Joho, R. Ren, D. Hannah, and J. M. Jose, "Integrating facial expressions into user profiling for the improvement of a multimodal recommender system," in 2009 IEEE International Conference on Multimedia and Expo. IEEE, 2009, pp. 1440–1443.
C.-C. Wu, Y.-C. Zeng, and M.-J. Shih, "Enhancing retailer marketing with an facial recognition integrated recommender system," IEEE International Conference on Consumer Electronics-Taiwan, pp. 25–26, 2015.
S. Zhang, L. Yao, A. Sun, and Y. Tay, "Deep learning based recommen- der system: A survey and new perspectives," ACM Computing Surveys (CSUR), vol. 52, no. 1, pp. 1–38, 2019.
K. Gidlof, A. Wallin, R. Dewhurst, and K. Holmqvist, "Using ¨ eye tracking to trace a cognitive process: Gaze behaviour during decision making in a natural environment," Journal of Eye Movement Research, vol. 6, no. 1, Apr. 2013. [Online]. Available: https: //bop.unibe.ch/JEMR/article/view/2351
Publicado
07/11/2020
Como Citar
SEMINOTTI, Malomar Alex; RIEDER, Rafael.
Recommender Vision: um sistema de recomendação para o comércio baseado em Visão Computacional. In: WORKSHOP DE TRABALHOS EM ANDAMENTO - CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI), 33. , 2020, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 147-150.
DOI: https://doi.org/10.5753/sibgrapi.est.2020.12998.
