Use este identificador para citar ou linkar para este item:
http://repositorio.ufc.br/handle/riufc/73713
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Farias, Victor Aguiar Evangelista de | - |
dc.contributor.author | Silva, Erick Correia | - |
dc.date.accessioned | 2023-07-25T16:55:32Z | - |
dc.date.available | 2023-07-25T16:55:32Z | - |
dc.date.issued | 2023 | - |
dc.identifier.citation | SILVA, Erick Correia. Análise de técnicas de aprendizagem de máquina para ranqueamento para produtos. 2023. 44 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação)-Universidade Federal do Ceará, Campus de Quixadá, Quixadá, 2023. | pt_BR |
dc.identifier.uri | http://www.repositorio.ufc.br/handle/riufc/73713 | - |
dc.description.abstract | This work proposes the analysis of ranking learning techniques using as a basis the Shopping Queries Dataset provided by Amazon, in the KDD Cup 2022 competition. For this, an experiment was carried out with four ranking learning models that were chosen based on the articles written after the competition, and were evaluated based on. The experiments were evaluated using the cumulative gain with normalized discounting (NDCG), a multi-label classification metric used in machine learning problems. Finally, the main challenges for implementing the models in a real production environment are discussed, using the online sales company Americanas SA as a reference. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.subject | Inteligência Artificial | pt_BR |
dc.subject | Métodos de aprendizagem | pt_BR |
dc.subject | Recuperação da Informação | pt_BR |
dc.title | Análise de técnicas de aprendizagem de máquina para ranqueamento para produtos | pt_BR |
dc.type | TCC | pt_BR |
dc.contributor.co-advisor | Medeiros, Ivo Paixão de | - |
dc.description.abstract-ptbr | Propõe-se com este trabalho a análise de técnicas de aprendizagem de ranqueamento utilizando como base o conjunto de dados Shopping Queries Dataset disponibilizado pela Amazon, na competição KDD Cup 2022. Para isso foi realizado o experimento com quatro modelos de aprendizagem de ranqueamento que foram escolhidos com base nos artigos escritos após a competição. Os experimentos foram avaliados através do ganho cumulativo com desconto normalizado (NDCG), métrica de classificação de várias etiquetas utilizada em problemas de aprendizagem de máquina. Por fim é discutido quais os principais desafios para implementação dos modelos em ambiente de produção real utilizando como referência a empresa de vendas online Americanas SA. | pt_BR |
Aparece nas coleções: | ENGENHARIA DE COMPUTAÇÃO-QUIXADÁ - Monografias |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2023_tcc_ecsilva.pdf | 853,51 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.