Transfer Learning for Resolving Sparsity Problem in Recommender systems: Human Values Approach

Abstract

With the rapid rise in popularity of ecommerce application, Recommender Systems are being widely used by them to predict the response that a user will give to a given item. This prediction helps in cross selling, upselling and to increase the loyalty of their customers. However due to lack of sufficient feedback data these systems suffer from sparsity problem which leads to decline in their prediction efficiency. In this work, we have proposed and empirically demonstrated how the Transfer Learning approach using five dimensions of basic human values can be successfully used to alleviate the sparsity problem and increase the efficiency of recommender system algorithms.

Estudo Comparativo de Abordagens para Sistemas de Recomendação baseados em Personalidade com uso do serviço IBM Watson Personality Insights

“…Com os avanços nos estudos sobre inferência automática da personalidade humana, é possível, atualmente, um Sistema de Recomendação abranger algum serviço (a exemplo do IBM Watson Personality Insights, por meio de análises linguísticas) e obter dados referentes à personalidade dos seus usuários, de maneira relativamente simples. Assim, torna-se mais prático implementar estratégias de recomendação, baseadas em personalidade, em aplicativos do mundo real, como comércio eletrônico (Srivastava, Bala & Kumar, 2017).…”

“…Em Srivastava, Bala & Kumar (2017), foi utilizado apenas o modelo Values. É conveniente apontar que, nesses estudos, os autores não compararam as suas propostas com abordagens baseadas em personalidade elaboradas por outros autores.É pertinente comentar que, ao direcionar pesquisas futuras para a melhoria da eficiência dos algoritmos de FC,Srivastava, Bala & Kumar (2017) indicaram que os componentes do modelo Values podem ser combinados com outros modelos. Esse direcionamento foi uma das motivações para o estudo descrito neste artigo, visando-se a analisar se a aplicação de outros modelos (Values e Needs), aliados ao Big Five (modelo geralmente usado em FC baseada em personalidade), tendem a melhorar as abordagens de recomendação.Recentemente, ao mencionar os Sistemas de Recomendação baseados em Personalidade, em uma revisão referente a incorporar a personalidade no projeto de interface do usuário,Alves et al (2020) destacaram estes dois estudos:Tkalčič et al (2011) e Hu & Pu (2009.…”

“…Assim, para este estudo, foi considerado o modelo Big Five, também com dados das facetas, além dos modelos Needs e Values, e uma versão com dados dos três modelos conjuntamente. Ressalta-se que as abordagens usando exclusivamente o modelo Values se associam ao que foi proposto porSrivastava, Bala & Kumar (2017).…”