Fonte: UFSCar
Trabalho em Ciência da Computação desenvolvido na UFSCar é premiado em maior evento de IA do Brasil
Orientador e orientando na cerimônia de entrega da premiação (Imagem: Acervo Pessoal)
Você já se perguntou o que está por trás de serviços como Netflix ou Spotify, com suas recomendações de filmes, séries, músicas ou podcasts? Como Booking e AirBNB conhecem nossas preferências de hospedagem? Ou, também, como lojas de comércio eletrônico sugerem, dentre tantas possibilidades, produtos que estão em nossas listas de desejos ou necessidades? Os algoritmos por trás desses processos são chamados de sistemas de recomendação e, ainda que eficientes, demandam grande capacidade computacional, o que restringe seu uso por muitas empresas.
Uma solução inovadora desenvolvida no Laboratório de Sistemas Inteligentes e Distribuídos (LaSID) da Universidade Federal de São Carlos (UFSCar) pode contribuir para que a tecnologia se torne mais acessível. Utilizando redes neurais artificiais, os pesquisadores apresentaram um modelo computacional inteligente capaz de aprender uma maneira de representar usuários e itens de forma que a demanda por memória e processamento computacional seja reduzida.
Mas o que são usuários e itens, e porque precisam ser representados? Voltando à pergunta inicial, a Netflix nos faz recomendações a partir de interações passadas entre você – o usuário – e, se considerarmos apenas filmes, as cerca de quatro mil opções disponíveis – os itens. No Spotify, o número de faixas disponíveis já chega aos 80 milhões e, na Amazon, a quantidade de produtos comercializados ultrapassa 350 milhões! Assim, a matriz (tabela) resultante dessas várias combinações entre todos os usuários e itens é imensa e, consequentemente, requer grande capacidade computacional.
O modelo desenvolvido na UFSCar é capaz de aprender uma outra maneira de representar essas relações, mais “compacta” que a matriz original. Assim, é superado um dos problemas da matriz original, o da alta dimensionalidade. Além disso, o modelo também superou um outro desafio, que é o fato da matriz de interações ser esparsa, ou seja, de as interações serem poucas entre cada usuário e a maior parte dos itens existentes.
Além de desenvolverem a solução, o grupo também realizou testes para comparar a eficiência da ferramenta com as técnicas já disponíveis, e os resultados foram muito positivos, indicando eficiência equivalente à de modelos inteligentes considerados referências e, como almejado, necessidade de menos recursos computacionais – o que, além de menos demanda de infraestrutura, também significa maior agilidade.
O trabalho foi desenvolvido no escopo do projeto de mestrado de Pedro Reis Pires, no Programa de Pós-Graduação em Computação (PPGCC-So) do Campus Sorocaba da UFSCar, sob orientação de Tiago Agostinho de Almeida, docente no Departamento de Computação (DComp-So). O artigo resultante da dissertação de mestrado foi considerado o melhor trabalho apresentado na 11st Brazilian Conference on Intelligent Systems (BRACIS), maior evento acadêmico na área de Inteligência Artificial realizado no País.
Inicialmente, o artigo que apresentou o Interact2Vec – nome dado à solução desenvolvida – foi selecionado entre 282 outros trabalhos. Posteriormente, junto com cinco outros finalistas, foram realizadas apresentações durante o evento, em novembro do ano passado, para uma banca de especialistas, que o elegeu como melhor trabalho do evento.
“Como o BRACIS é o maior evento do país na área de IA, pesquisadores normalmente reservam trabalhos importantes com a esperança de apresentá-los lá, pois os participantes são altamente especializados. Assim, este resultado, além da visibilidade que confere ao nosso trabalho, é um bom indicador da qualidade do que estamos produzindo na UFSCar”, comemora Almeida, resgatando que, nos últimos 10 anos, seu grupo de pesquisa recebeu 10 prêmios pelas pesquisas desenvolvidas. “Essas importantes distinções recebidas com regularidade indicam que somos competitivos tanto no nível nacional quanto internacional”, avalia.
Pedro Reis Pires agora está realizando doutorado no PPGCC, com pesquisa que busca aprimorar ainda mais os sistemas de recomendação. Dentre os avanços pretendidos, o grupo busca incorporar a variável tempo no modelo, ou seja, a possibilidade de captar mudanças nas preferências dos usuários com o passar do tempo.
A íntegra da dissertação que deu origem ao artigo premiado pode ser conferida no Repositório Institucional da UFSCar (em https://repositorio.ufscar.br/bitstream/handle/ufscar/14225/1Dissertacao.pdf?sequence=1&isAllowed=y).