Implementação de algoritmos e sistemas de recomendações para uma plataforma imobiliária

Abstract

Este documento trata do Projeto de Fim de Curso (PFC) realizado na Jungle Devs, empresa de desenvolvimento de software. Atualmente muitas empresas utilizam sistemas de recomendações para apresentar conteúdos relevantes ao usuário, essa tecnologia é essencial para aumentar a interação entre empresa e cliente, permitindo uma experiência otimizada. O objetivo do PFC é apresentar uma implementação de um sistema de recomendações para a plataforma imobiliária do Canal Digital, e que tem como a finalidade aprimorar a experiência do usuário final. Durante o projeto, foram feitas análises dos tipos de sistemas de recomendações existentes e quais desses seriam utilizados durante a implementação no projeto, aqui incluem-se sistemas personalizados nos quais abrangem filtragem baseada em conteúdo, colaborativa e híbrida, e ainda, sistemas não personalizados baseados em popularidade. O sistema como um todo foi dividido em dois escopos, a recomendação online e a offline, o maior foco para esse PFC foi a parte offline. Dentro desse escopo, foram realizadas a extração dos dados de imóveis do banco de dados, a preparação e tratamento dos dados e a clusterização dos dados, salvando os resultados para poderem ser utilizados na parte online do sistema de recomendação. O projeto teve como base a metodologia CRISP-DM, um modelo padrão que aborda problemas de ciência de dados, tendo como etapas as fases de entendimento do negócio, de compreensão dos dados, de preparação dos dados, de modelagem, de avaliação e de implantação. Por fim, com os resultados obtidos, foi possível observar os impactos positivos e os pontos de melhorias que devem ser considerados durante a implementação do sistema na aplicação.

This document refers to the End of Course Project carried out at Jungle Devs, a software development company. Nowadays many companies use recommendation systems to present relevant content to the user, this technology is essential to increase the interaction between the company and the customer, allowing an optimized experience. The purpose of the project is to present an implementation of a recommendation system for Canal Digital's real estate platform, which aims to improve the end-user experience. During the project, analysis were made regarding the types of existing recommendation systems and which of these were used during the implementation of the project, these types are the following: personalized systems which cover content-based, collaborative and hybrid filtering, and popularity-based non-personalized systems. The system as a whole was divided into two scopes, the online and offline recommendation, the major focus for this project was the offline part. Within this scope, the extraction of real estate data from the database, data preparation and treatment, and data clustering were performed, saving the results to be used in the online part of the recommendation system. The project was based on the CRISP-DM methodology, a standard model that addresses data mining issues, which has six major phases: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation and Deployment. Finally, as a result, it was possible to observe the positive impacts and points of improvement that should be considered during the implementation of the system in the application.