Dissertação
Recurrent Neural Networks for Next-Action Prediction EVALUATED
De modo a antecipar o comportamento do utilizador num site de e-commerce, o objetivo deste trabalho é prever a próxima ação do utilizador, após uma sequência de ações realizadas numa sessão de navegação. Uma ação num contexto de e-commerce ocorre em relação a um item para compra. Pode ser, p.e. um `clique numa saia’, o que revela que uma ação é composta por diferentes componentes como o item, o tipo de interação e características do item, como a sua categoria. Assim, o propósito de prever a próxima ação inclui a previsão de cada uma das suas componentes e, neste trabalho, estas são consideradas como tarefas distintas. Para abordar cada uma destas tarefas, foram explorados algoritmos capazes de modelar sequências. Primeiro, modelos estatísticos, baseados no modelo de Markov, foram testados. Segundo, modelos baseados em redes neuronais recorrentes foram explorados. Adicionalmente, numa tentativa de melhoria da performance de modelos de RNN, a informação contextual, derivada a partir das relações entre as diferentes componentes da ação (p.e. o item `saia' pode pertencer à categoria `roupa mulher', o que é uma hierarquia entre a componente item e a componente categoria do item) foi integrada na arquitetura da rede: através duma função de custo customizada, no processo de treino da rede, e duma filtragem do catálogo de elementos a considerar, no processo de avaliação na rede. Os resultados experimentais, no dataset RetailRocket, demonstram que esta última versão de RNN consegue superar a performance dos restantes modelos, com uma melhoria de 5% nos resultados das métricas.
setembro 15, 2021, 9:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Bruno Emanuel Da Graça Martins
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado