Arquivo da tag: Luppar News-Rec

TOP 10 Posts +1 sobre NLP de 2019…

Tempo de Leitura: 5 minutos

Natural-Language-Processing-03-1

Compartilhando com vocês os “TOP 10 artigos sobre NLP (Natural Language Processing) de 2019, isto é, os Posts que publiquei em 2019 e que teve maiores audiências. Espero que gostem dessa relação e que alguns destes possam ser úteis no seu dia a dia, caso ainda não tenha visto. Vamos lá…

#10 – LUPPAR NEWS-REC (RECOMENDADOR INTELIGENTE DE NOTÍCIAS)

Luppar News-Rec (Versão 1) é fruto da minha dissertação de Mestrado! É um Sistema Recomendador de Notícias (SRN) composto por algoritmos clássicos de classificação que trabalham em conjunto com representações de documentos para solucionar o problema de classificação de notícias de forma a trazer os documentos(notícias) que atendam a necessidade do usuário.

#9 – AVANÇANDO O PROCESSAMENTO DE LINGUAGEM NATURAL (NLP) PARA DOMÍNIOS CORPORATIVOS

O processamento de linguagem natural (do inglêsNatural Language Processing – NLP) é uma grande promessa para ajudar a encontrar informações tão profundas no conteúdo da empresa, permitindo que os usuários expressem mais livremente suas necessidades de informações e fornecendo respostas precisas para perguntas cada vez mais complexas. No entanto, os sistemas empresariais de NLP são frequentemente desafiados por vários fatores, que incluem compreender silos heterogêneos de informações, lidar com dados incompletos, treinar modelos precisos a partir de pequenas quantidades de dados e navegar em um ambiente em mudança no qual novos conteúdos, produtos, termos e outras informações são continuamente adicionadas.

Continuar lendo TOP 10 Posts +1 sobre NLP de 2019…

Artificial Intelligence Index – Report 2019

O AI Index Report rastreia, coleta, destila e visualiza dados relacionados à inteligência artificial. Sua missão é fornecer dados imparciais e rigorosamente examinados para que formuladores de políticas, pesquisadores, executivos, jornalistas e o público em geral desenvolvam intuições sobre o campo complexo da IA. Expandindo anualmente, o Relatório procura incluir dados sobre o desenvolvimento da IA de comunidades em todo o mundo.

Visualize clicando na imagem abaixo, ou no link.

IAIndex2019

 

Luppar News-Rec (Recomendador Inteligente de Notícias)

O Luppar News-Rec (Versão 1) é fruto da minha dissertação de Mestrado,  mais detalhes sobre – visualize aqui! É um Sistema Recomendador de Notícias (SRN) composto por algoritmos clássicos de classificação que trabalham em conjunto com representações de documentos para solucionar o problema de classificação de notícias de forma a trazer os documentos(notícias) que atendam a necessidade do usuário. A metodologia que segue esse trabalho divide os esforços da implementação do SRN em três etapas: Subsistema de Captura, Pré-Processamento e Armazenamento, Subsistema de Classificação de Notícias e Subsistema de Aquisição de Perfil de Assinantes e Distribuição.

Recursos do Luppar News-Rec

News Recommender System using Word Embeddings for study and research.

Disponível em: http://luppar.com/recommender

Coleções de documentos

  • Z5News (Coleção em Inglês com 5 tópicos)
    • sportsNews, politicsNews, technologyNews, PersonalFinance e brazil-news
  • Z5NewsBrasil (Coleção em Portugues com 5 tópicos)
    • esporteNews, politicaNews, tecnologiaNews, financaPessoal e educacaonews
  • Z12News (Coleção em Inglês com 12 tópicos)
    • sportsnews, politicsNews, technologyNews, PersonalFinance, brazil-news, aerospace-defense, autos, commoditiesNews, fundsNews, foreignexchangeNews, healthnews e environmentnews

Continuar lendo Luppar News-Rec (Recomendador Inteligente de Notícias)

Protótipo de um sistema recomendador passo a passo Parte 1: Filtragem colaborativa baseada em itens do KNN

Sistemas de recomendação de filmes

Matéria original (Todos os direitos reservados ao autor: Kevin Liao)
A Parte 2 dos sistemas de recomendação pode ser encontrada aqui

Sistemas Recomendadores

A maioria dos produtos de internet que usamos hoje são equipados com sistemas de recomendação. Youtube, Netflix, Amazon, Pinterest e uma longa lista de outros produtos da Internet dependem de sistemas de recomendação para filtrar milhões de conteúdos e fazer recomendações personalizadas para seus usuários. Os sistemas de recomendação são bem estudados e comprovadamente fornecem valores tremendos para as empresas da Internet e seus consumidores. De fato, fiquei chocado com a notícia de que a Netflix concedeu um prêmio de US $ 1 milhão a uma equipe de desenvolvedores em 2009, por um algoritmo que aumentou a precisão do sistema de recomendações da empresa em 10%.

Continuar lendo Protótipo de um sistema recomendador passo a passo Parte 1: Filtragem colaborativa baseada em itens do KNN

Sistemas de recomendação na prática

Empresas como Amazon, Netflix, Linkedin e Pandora aproveitam os sistemas de recomendação para ajudar os usuários a descobrir itens novos e relevantes (produtos, vídeos, trabalhos, músicas), criando uma experiência agradável para o usuário enquanto impulsiona a receita incremental.

Nesse artigo do Houtao Deng é fornecido uma visão prática dos sistemas de recomendação. Primeiro, três sistemas principais são revisados: filtragem baseada em conteúdo, colaborativa e híbrida, seguida de discussões sobre inicialização a frio, escalabilidade, interpretabilidade e exploração / exploração.

Recomendação baseada em conteúdo

Na Pandora, uma equipe de músicos rotulou cada música com mais de 400 atributos. Então, quando um usuário seleciona uma estação de música, as músicas que correspondem aos atributos da estação serão adicionadas à lista de reprodução (Projeto Genoma da Música | Pandora, Howe | Pandora).

Esta é uma recomendação baseada em conteúdo. Usuários ou itens têm perfis que descrevem suas características e o sistema recomendaria um item a um usuário se os dois perfis corresponderem. A caixa de moda do Stitch Fix é outro exemplo de recomendação baseada em conteúdo. Os atributos de um usuário são coletados (altura, peso, etc.) e os produtos de moda correspondentes são colocados em uma caixa entregue ao usuário (Stitch Fix | 2013).

Continuar lendo Sistemas de recomendação na prática