Para exemplificar algumas aplicações do pacote, utilizaremos a base de dados “movies” presente no pacote.

##    Id Users                  Id Items Ratings
## 1         1            Wreck-It Ralph       4
## 2         1            We're So Young       4
## 3         1         Brazilian Western       4
## 4         2            We're So Young       4
## 5         2         Brazilian Western       4
## 6         2             Cine Holliudy       5
## 7         2   Silver Linings Playbook       4
## 8         2            A Royal Affair       5
## 9         2    Till Luck Do Us Part 2       2
## 10        2  Muita Calma Nessa Hora 2       2
## 11        2            The Book Thief       4
## 12        2 Blue Is The Warmest Color       5
## 13        3                Iron Man 3       4
## 14        3     My Mom Is a Character       3
## 15        3          Fast & Furious 6       4

Primeiro Passo: Criação do Objeto CF

objetoCF<-CFbuilder(movies, sim_user = "both", sim_item = "both")

1 Análise Descritiva

A base de dados “movies” possui avaliações de 526 usuários para 50 itens.

Primeiro, avaliaremos o comportamento das avaliações realizadas.

1.1 Avaliações

Podemos avaliar também através dos comportamentos das médias dos usuários e itens:

Além disso, podemos utilizar os objetos de diversas formas. E fazer diversas análises.

Uma análise muito interessante é avaliar a esparsidade da matriz de utilidade:

2 Funções de Manipulação

Para adicionarmos um novo usuário que já avaliou algum item previamente, utilizamos:

O usuário “Thiago” adicionado avaliou os filmes “Homem de Ferro 3” e “As aventuras de Pi” respectivamente com as notas 2 e 5.

Para adicionarmos um novo filme que já foi avaliado previamente, utilizamos:

O item “Viuva Negra” adicionado foi avaliado previamente pelos usuários “Thiago” e “1” respectivamente com as notas 3 e 1.

3 Recomendações

3.1 1. Estimar avaliações:

Iremos avaliar que nota o Usuário 4 daria para o filme “Homem de Ferro 3”.

3.1.2 Usando Similaridades entre Itens:

3.1.2.2 Similaridade Cosseno Ajustado:

## [1] 4.050622

Nota-se que as notas estimadas são diferentes dependendo da escolha metodológica.

3.2 2. Recomendar?

Através das estimativas, podemos avaliar se o filme “Homem de Ferro 3” é recomendável ao usuário “4”.

Utilizaremos a nota de corte = 4.

3.3 3. Lista de Itens

Outra opção é criar uma lista de itens recomendáveis. Para exemplificar, iremos criar listas de 3 filmes para o usuário “4” com as 4 diferentes metodologias.

3.3.1 Usando Similaridades entre Usuários:

3.3.1.1 Similaridade Cosseno:

## [1] "Blue Is The Warmest Color" "The Lego Movie"           
## [3] "Despicable Me 2"

3.3.1.2 Similaridade Pearson:

## [1] "The Hunt"                  "Philomena"                
## [3] "Blue Is The Warmest Color"

3.3.2 Usando Similaridades entre Itens:

3.3.2.1 Similaridade Cosseno:

## [1] "Blue Is The Warmest Color" "Philomena"                
## [3] "The Lego Movie"

3.3.2.2 Similaridade Cosseno Ajustado:

## [1] "Cine Holliudy"  "The Hunt"       "A Royal Affair"

3.4 4. Lista de Usuários

Seguindo a lógica inversa, podemos criar lista de usuários que gostariam de um determinado item. Para exemplificar, iremos criar 4 listas de usuários que gostariam de assistir ao filme “Homem de Ferro 3”:

3.4.1 Usando Similaridades entre Usuários:

3.4.2 Usando Similaridades entre Itens:

3.5 4. Lista de Itens Semelhantes

E então temos essa última abordagem. Podemos recomendar, a quaisquer usuário, os 3 itens mais similares ao filme “Homem de Ferro 3”:

3.5.1 Utilizando a Similaridade Cosseno:

## [1] "Thor: The Dark World"           "The Wolverine"                 
## [3] "Hansel & Gretel: Witch Hunters"

3.5.2 Utilizando a Similaridade Cosseno Ajustado:

## [1] "The Wolverine"          "Meu Passado me Condena" "Fast & Furious 6"

Nota-se que filmes de “heróis” como Wolverine e Thor são considerados bem similares ao Homem de Ferro 3. Porém vale lembrar que o conceito de similaridade está associado às avaliações e não ao gênero dos filmes.

Muito Obrigado pela atenção!!