Dissertação
Recommendation of Fitness Venues Using Graph Neural Networks EVALUATED
A Gympass oferece uma gama variada de produtos de bem-estar aos seus utilizadores: ginásios, aulas, personal trainers e aplicacões. Mas o principal produto são os ginásios. Os utilizadores devem poder utilizar a aplicacão Gympass para encontrar recomendacões de ginásios, de acordo com as suas preferências. Assim, podemos colocar a questão: como recomendar gin ́asios que são tão distintos? A Gympass é um benefício de subscricão que permite aos utilizadores aceder a vários ginásios na sua área, mas, se os utilizadores forem apenas ao mesmo ginásio, poderão cancelar a subscricão de Gympass. Portanto, nós queremos garantir que o Recommendation System (RS) é bom em recomendar novos ginásios para al ́em daqueles que já conhecem, para que considerem útil a subscricão do Gympass. O meu projecto M.Sc. aborda o desenvolvimento e avaliacão de abordagens baseadas em Graph Neural Network (GNN), prevendo especificamente aplicacões na recomendacão de ginásios da Gympass. Inspirando-me em trabalhos anteriores como PinSage, GNN no Decathlon e LARS, implementei uma abordagem semelhante e avaliei-a com dados da Gympass. Os resultados da GNN RS parecem promissores para o caso de recomendar aos utilizadores novos ginásios que estão a visitar pela primeira vez. A principal contribuicão deste trabalho baseia-se na construcão e validacão de uma RS baseado em GNN que modela o ambiente complexo da Gympass num gráfo, usando uma arquitectura de GNN e usando com a funcão de pontuacão recomenda ginásios aos utilizadores.
novembro 9, 2022, 18:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Bruno Emanuel Da Graça Martins
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado