MFM Analytics

Aplicando técnicas de Processamento de Linguagem Natural para realizar análise de sentimentos no primeiro romance de Ernest Hemingway. Romances, cafés e touradas com Hemingway Ernest Hemingway (1899 – 1961) já tinha escrito muitas reportagens, alguns contos e a sátira "As torrentes da primavera" (1926), quando teve a sua primeira grande história de ficção publicada: o romance O sol também se levanta ( The sun also rises ), lançado ao público em outubro de 1926, pela editora Charles Scribner's Sons (a mesma de F. S. Fitzgerald ). Ambientado após a "Grande Guerra" (ou seja, a Primeira Guerra Mundial) e narrado pelo ex-combatente Jake Barnes, O sol também se levanta  apresenta-nos a um grupo de cinco expatriados – três americanos, uma inglesa e um escocês – que vivem ou passeiam por Paris e, depois, vão curtir a Fiesta de San Fermín, em Pamplona, na Espanha.  Inspirado em acontecimentos vividos pelo escritor e um grupo de amigos seus, entre os anos 1924 e 1925, e...

Recomendação personalizada feita pelo IMDb. Os sistemas híbridos de recomendações Os sistemas híbridos de recomendações são ferramentas que podem combinar dois ou mais técnicas, como os modelos de recomendações baseadas em conteúdo , as recomendações baseadas em filtros colaborativos e as análises de cestas de compras dos clientes . Dessa forma, os sistemas híbridos tiram vantagem do melhor de cada uma das técnicas usadas e conseguem fazer sugestões altamente personalizadas para seus clientes e usuários. Vejamos exemplos sobre o uso de sistemas híbridos de recomendação: os casos do site IMDb e da Amazon para já clientes. Também inclui um exemplo da Sephora sobre o que recomendar para usuários novos nas plataformas de vendas. Recomendações para já clientes (Cujo histórico de compras é conhecido) Na foto de abertura deste post, "Principais escolhas: Séries e filmes só para você", eu mostro algumas recomendações feitas pelo site IMDb  para mim, uma cliente com histórico de nave...

A análise das cestas de compras O método da Análise de Cestas de Compras (ou Market Basket Analysis ) faz uso da avaliação de itens comprados — frequentemente — juntos por certos consumidores para fazer sugestões desses produtos para outros compradores. Por exemplo, se vários clientes compram leite e pão juntos (na mesma transação de compras), um outro cliente que estiver comprando somente o leite receberá a sugestão de comprar também o pão. Ou se na compra de um livro (X) sobre um certo tema, o usuário do portal de e-commerce receberá a recomendação de outro(s) livro(s) informando algo do tipo: "Clientes que compraram o livro X também compraram o livro Y.  Essa técnica é muito usada em supermercados, marketplaces e lojas virtuais com alto fluxo de vendas. Quero esclarecer que o objetivo, aqui, é dar uma ideia de como esse tipo de análise, usada para alimentar para sistemas de recomendação, pode ser útil para o seu negócio, sem a pretensão de esgotar o tema. Considerando cenários...

Recomendação feita pela Amazon. Este post faz parte da série especial sobre Sistemas de Recomendação baseados em Machine Learning e trata do tipo de sugestão feita através do uso de filtros colaborativos.  Estes filtros podem ser divididos de, pelo menos, duas formas: uma baseada nos gostos e preferências de usuários similares ao que está navegando na loja virtual, website, aplicativo da sua empresa; outra, baseada na similaridade entre os itens | produtos | serviços pesquisados pelo usuário. O objetivo, aqui, é dar uma ideia inicial do que esse tipo de sistema de recomendação pode fazer pelo seu negócio, sem a pretensão de esgotar o tema. Cenários de usos dos sistemas de recomendações Cenário 1: Recomendações baseadas nos gostos de usuários similares João, Michelle, Marcelo e Juliana não se conhecem; eles nem moram na mesma cidade. Um deles, inclusive, mora em outro país. Mas, de acordo com o sistema de recomendação de uma plataforma de streaming que coleta notas dadas a filmes po...

Objetivo do projeto: Criar um sistema de recomendação baseado em conteúdo, usando frameworks do scikit-learn para cálculos matemáticos e técnicas de Processamento de Linguagem Natural (NLP) para mineração dos textos. Metodologia aplicada: As etapas de mineração de dados seguiram o padrão CRISP-DM . Principais pacotes utilizados: Natural Language Toolkit (nltk): para limpeza e processamento (stemmers) dos dados textuais. scikit-learn: para criação da matriz de vetores através do Count Vectorizer e para o cálculo das distâncias entre os dados usando a similaridade de cosseno . Base de dados: Banco de dados públicos The Movie DB . Variáveis selecionadas: Identificação: id e título dos filmes. Modelagem: gêneros dos filmes, elenco (retirados da coluna cast), direção (retirado da coluna crew), palavras-chave (keywords) e resumo (overview). Experimentos iniciais: Foram feitos testes com o código para encontrar o melhor modelo. As variáveis alteradas foram: Elenco: experimentos com 3, 5 e...