{"id":7286,"date":"2025-04-14T21:06:50","date_gmt":"2025-04-15T00:06:50","guid":{"rendered":"https:\/\/geekblogti.wpengine.com\/?p=7286"},"modified":"2025-04-24T10:13:38","modified_gmt":"2025-04-24T13:13:38","slug":"algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los","status":"publish","type":"post","link":"https:\/\/www.geekhunter.com/pt/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/","title":{"rendered":"Algoritmos de recomenda\u00e7\u00e3o: o que s\u00e3o e como implement\u00e1-los?"},"content":{"rendered":"\r\n

A internet \u00e9 imensuravelmente gigantesca. A onda de conte\u00fado disponibilizado nela alcan\u00e7ou um tamanho nunca antes imaginado. Com isso surgiu a necessidade de, em meio a esse oceano de informa\u00e7\u00e3o, tornar o acesso bidirecional. Ou seja, ele n\u00e3o deve depender apenas da pessoa buscar a informa\u00e7\u00e3o, mas da informa\u00e7\u00e3o chegar \u00e0 pessoa.\u00a0Para esse fim, surgiram os algoritmos de recomenda\u00e7\u00e3o<\/strong>: rotinas computacionais que fazem com que determinada informa\u00e7\u00e3o chegue \u00e0s pessoas baseando-se em diversos crit\u00e9rios.\u00a0<\/p>\r\n\r\n\r\n\r\n\r\n\r\n\r\n\r\n

Eu e voc\u00ea certamente fomos atingidos por eles em algum momento, pois est\u00e3o em toda parte: sites de busca, redes sociais, lojas virtuais, etc., sempre determinados a oferecer a voc\u00ea o que te interessa.<\/p>\r\n\r\n\r\n\r\n

Aqui, pretendo expor um pouco mais os aspectos envolvidos em tudo isso.<\/p>\r\n\r\n\r\n\r\n

\"\"<\/a><\/figure>\r\n\r\n\r\n\r\n

A filtragem dos algoritmos de recomenda\u00e7\u00e3o<\/h2>\r\n\r\n\r\n\r\n
\"filtro<\/figure>\r\n\r\n\r\n\r\n

Se pud\u00e9ssemos resumir algoritmos de recomenda\u00e7\u00e3o a uma palavra, possivelmente ela seria \u201cfiltrar\u201d. Sim, pois essa \u00e9 a ess\u00eancia dele.\u00a0<\/p>\r\n\r\n\r\n\r\n

H\u00e1 MUITA informa\u00e7\u00e3o que ele pode te recomendar, mas \u00e9 necess\u00e1rio filtrar tudo isso pra oferecer apenas o que te interessa.<\/p>\r\n\r\n\r\n\r\n

Os exemplos mais comuns de algoritmos de recomenda\u00e7\u00e3o est\u00e3o relacionados \u00e0s lojas virtuais.\u00a0<\/p>\r\n\r\n\r\n\r\n

Filtragem baseada em conte\u00fado<\/strong><\/h3>\r\n\r\n\r\n\r\n

Exemplificando<\/em>: eu tenho uma conta no site da Amazon<\/strong> e realizei a compra de diversos livros ali. Esses dias pesquisei um:<\/p>\r\n\r\n\r\n\r\n

\"screenshot<\/figure>\r\n\r\n\r\n\r\n

\u00c9 um livro de arquitetura de software, do mestre Robert C. Martin<\/em>, tamb\u00e9m conhecido como Uncle Bob.<\/strong>\u00a0<\/p>\r\n\r\n\r\n\r\n

J\u00e1 comprei alguns do g\u00eanero ali h\u00e1 algum tempo, mas ultimamente tenho comprado mais livros de filosofia, pol\u00edtica e economia.\u00a0<\/p>\r\n\r\n\r\n\r\n

Assim, ao navegar mais para o fim da p\u00e1gina, o site fez algumas recomenda\u00e7\u00f5es:<\/p>\r\n\r\n\r\n\r\n

\"screenshot<\/figure>\r\n\r\n\r\n\r\n

Uma lista de livros inspirada pelo hist\u00f3rico de navega\u00e7\u00e3o e uma lista baseada nas minhas \u00faltimas compras \u2013 que por sinal \u00e9 bem diferente, j\u00e1 que minhas \u00faltimas compras foram de livros de outras \u00e1reas do conhecimento.\u00a0<\/p>\r\n\r\n\r\n\r\n

Ambas as listas s\u00e3o resultados de um algoritmo de recomenda\u00e7\u00e3o.<\/p>\r\n\r\n\r\n\r\n

Aqui est\u00e1 bem expl\u00edcito os crit\u00e9rios usados para me recomendar esses livros.\u00a0<\/p>\r\n\r\n\r\n\r\n

Ela fez uma lista baseada na minha navega\u00e7\u00e3o e uma lista baseada nas minhas \u00faltimas compras.\u00a0<\/p>\r\n\r\n\r\n\r\n

No primeiro caso, ela verificou que eu ando vendo muitos livros de desenvolvimento de software<\/em>, logo selecionou livros sobre esse assunto.\u00a0<\/p>\r\n\r\n\r\n\r\n

No segundo caso, ela notou que eu andei comprando livros de economia e pol\u00edtica, logo selecionou mais livros desse assunto.\u00a0<\/p>\r\n\r\n\r\n\r\n

Em ambos os casos, ela fez uma filtragem baseada em conte\u00fado,<\/strong> onde o crit\u00e9rio de recomenda\u00e7\u00e3o dela se orientou pelo conte\u00fado do que seria recomendado.\u00a0<\/p>\r\n\r\n\r\n\r\n

\r\n

\u201cO Raphael anda vendo muitos livros sobre esse assunto, ent\u00e3o vou recomendar mais estes aqui pois provavelmente ele vai gostar\u201d<\/em>,\u00a0<\/p>\r\n pensou o algoritmo.\u00a0 <\/cite><\/blockquote>\r\n\r\n\r\n\r\n

Nessa abordagem, o filtro precisa conhecer o dom\u00ednio em que ele atua, ou seja, o algoritmo que roda em uma loja virtual de livros deve saber as caracter\u00edsticas dos livros, de forma que consiga fazer compara\u00e7\u00f5es e retornar livros semelhantes.\u00a0<\/p>\r\n\r\n\r\n\r\n

O mesmo algoritmo n\u00e3o poderia ser transportado para uma loja de suplementos, pois se trata de produtos com caracter\u00edsticas completamente diferentes.<\/p>\r\n\r\n\r\n\r\n

Outro caso onde algoritmos de recomenda\u00e7\u00e3o s\u00e3o bastante aplicados \u00e9 em redes sociais.\u00a0<\/p>\r\n\r\n\r\n\r\n

>>Leitura Recomendada:<\/strong>
Sua API n\u00e3o \u00e9 RESTful<\/strong><\/a>: Entenda por qu\u00ea.<\/p>\r\n\r\n\r\n\r\n

Filtragem colaborativa<\/strong><\/h3>\r\n\r\n\r\n\r\n

Quando voc\u00ea segue algu\u00e9m no Instagram <\/strong>por exemplo, em seguida ele abre um painel com sugest\u00f5es de perfis semelhantes ao seguido. O Facebook <\/strong>faz o mesmo, sugere p\u00e1ginas ou pessoas para voc\u00ea.\u00a0<\/p>\r\n\r\n\r\n\r\n

Mas enquanto esse filtro do Instagram sugere perfis parecidos \u2013 ou seja, baseia-se em conte\u00fado \u2013 o Facebook apresenta tipos de filtragem adicionais. Por exemplo, vamos analisar o retorno da aba \u201cDescobrir\u201d, dedicada \u00e0s recomenda\u00e7\u00f5es:<\/p>\r\n\r\n\r\n\r\n

\"screenshot<\/figure>\r\n\r\n\r\n\r\n

Esta \u00e9 uma filtragem colaborativa<\/strong>. Esse tipo de filtragem \u00e9 definida pelo professor Paul Resnick<\/em>, da Universidade de Michigan, da seguinte forma:<\/p>\r\n\r\n\r\n\r\n

\r\n

Sistemas de recomenda\u00e7\u00e3o (por filtragem colaborativa) s\u00e3o sistemas que utilizam as opini\u00f5es de uma comunidade de usu\u00e1rios para auxiliar indiv\u00edduos desta mesma comunidade a identificarem conte\u00fados de interesse em um conjunto de op\u00e7\u00f5es que poderiam caracterizar uma sobrecarga<\/em><\/p>\r\n<\/blockquote>\r\n\r\n\r\n\r\n

Nesse caso, note que dentre os grupos que a aba \u201cDescubra\u201d me recomendou, um deles \u00e9 o Node JS Brasil<\/strong>. Nele h\u00e1 3 amigos meus filiados.\u00a0<\/p>\r\n\r\n\r\n\r\n

Aqui houve uma filtragem colaborativa, que sugeriu um grupo baseado no fato de ter amigos meus ali.\u00a0<\/p>\r\n\r\n\r\n\r\n

\r\n

\u201cTem alguns amigos do Raphael aqui, ent\u00e3o acho que ele vai gostar desse grupo\u201d<\/em>,\u00a0<\/p>\r\n pensou o algoritmo. <\/cite><\/blockquote>\r\n\r\n\r\n\r\n

 <\/p>\r\n\r\n\r\n\r\n

Por\u00e9m, apenas isso \u00e9 um pouco raso. \u00c9 necess\u00e1rio explorar mais essa colabora\u00e7\u00e3o, considerando fatores em comum de mim com os meus amigos.\u00a0<\/p>\r\n\r\n\r\n\r\n

Todos n\u00f3s somos desenvolvedores de software e, principalmente: gostamos de software.\u00a0<\/p>\r\n\r\n\r\n\r\n

Esses s\u00e3o pontos em comum que certamente influenciaram na sugest\u00e3o. Assim, o algoritmo n\u00e3o s\u00f3 avalia meus contatos como tamb\u00e9m a similaridade com eles para concluir que, por eu ter gostos parecidos com eles e eles fazerem parte deste grupo, possivelmente eu gostarei deste grupo.<\/p>\r\n\r\n\r\n\r\n

\r\n

\u201cMas as vezes voc\u00ea gosta de software que nem os seus amigos, mas n\u00e3o gosta de Node JS\u201d<\/em>\u00a0<\/p>\r\n voc\u00ea me diz. <\/cite><\/blockquote>\r\n\r\n\r\n\r\n

Sim, isso pode acontecer. Considerar tamb\u00e9m o conte\u00fado evitaria isso. Assim, o Facebook poderia aplicar uma filtragem de conte\u00fado similar \u00e0 da Amazon, baseada em navega\u00e7\u00e3o, para ter certeza que a recomenda\u00e7\u00e3o ser\u00e1 eficaz.\u00a0<\/p>\r\n\r\n\r\n\r\n

Se eu pesquiso ou falo sobre Node JS na plataforma, perfeito!\u00a0<\/p>\r\n\r\n\r\n\r\n

Saber disso complementaria ou se combinaria com a filtragem colaborativa visando ter uma recomenda\u00e7\u00e3o mais eficaz.\u00a0<\/em><\/p>\r\n\r\n\r\n\r\n

>>Leitura Recomendada:<\/strong>
A import\u00e2ncia da <\/em>documenta\u00e7\u00e3o de software<\/em><\/a><\/p>\r\n\r\n\r\n\r\n

Filtragem H\u00edbrida<\/h3>\r\n\r\n\r\n\r\n

Nesse caso, temos uma filtragem h\u00edbrida<\/strong>. Os defensores dela argumentam que ela d\u00e1 uma maior assertividade \u00e0 recomenda\u00e7\u00e3o, j\u00e1 que evita casos como esses em que seus amigos s\u00e3o adeptos de algo que voc\u00ea n\u00e3o \u00e9.\u00a0<\/p>\r\n\r\n\r\n\r\n

Se voc\u00eas s\u00e3o amigos, podem gostar de software, mas n\u00e3o necessariamente de Node JS<\/em>. Perfeitamente plaus\u00edvel. Ent\u00e3o considere se no seu cen\u00e1rio vale a pena ter mais esse insumo para garantir que a recomenda\u00e7\u00e3o \u00e9 apropriada.<\/p>\r\n\r\n\r\n\r\n

Contornando as barreiras iniciais<\/h2>\r\n\r\n\r\n\r\n
\"homem<\/figure>\r\n\r\n\r\n\r\n

Como fazer uma filtragem baseada em conte\u00fado para sugerir algo a um usu\u00e1rio que n\u00e3o comprou nada ainda? Ou, como eu posso sugerir algum grupo se o usu\u00e1rio ainda n\u00e3o tem amigos na plataforma?\u00a0<\/p>\r\n\r\n\r\n\r\n

Isso \u00e9 o que a comunidade chama de cold start<\/strong>, um \u201ccome\u00e7o frio\u201d na plataforma, um usu\u00e1rio meio distante e misterioso, que n\u00e3o conhecemos ainda.\u00a0<\/p>\r\n\r\n\r\n\r\n

Nesse caso a assertividade tende a ser menor, mas h\u00e1 formas de minimizar os erros.<\/p>\r\n\r\n\r\n\r\n

H\u00e1 algum dado do usu\u00e1rio, por menor que seja? Por exemplo, ao terminar o cadastro no site, voc\u00ea deve ter a idade do usu\u00e1rio e onde ele mora, certo?\u00a0<\/p>\r\n\r\n\r\n\r\n

O que isso pode te fornecer de insumo? Se o usu\u00e1rio tem 15 anos, ser\u00e1 que se interessar\u00e1 por fraldas? E se tiver 50 anos, se interessar\u00e1 por desenhos animados? Se ele morar em uma cidade litor\u00e2nea e quente, ser\u00e1 que se interessaria por casacos de pele?<\/p>\r\n\r\n\r\n\r\n

As respostas j\u00e1 podem dar uma base do que provavelmente n\u00e3o ser\u00e1 bom recomendar.<\/p>\r\n\r\n\r\n\r\n

Assim, ainda existe uma an\u00e1lise sociol\u00f3gica <\/em>no nosso algoritmo, baseado nas associa\u00e7\u00f5es que fazemos com os fen\u00f4menos mais frequentes.\u00a0<\/p>\r\n\r\n\r\n\r\n

Analisando os dados<\/h3>\r\n\r\n\r\n\r\n

H\u00e1 exce\u00e7\u00f5es e minorias, mas elas podem ir se evidenciando por outros meios, como por exemplo a navega\u00e7\u00e3o e as compras.\u00a0<\/p>\r\n\r\n\r\n\r\n

De qualquer forma \u2014 nesse momento \u2014 um certo padr\u00e3o pode ser considerado para, a partir dos poucos dados que voc\u00ea tem, fornecer um par\u00e2metro inicial pro seu algoritmo se guiar.\u00a0<\/p>\r\n\r\n\r\n\r\n

Esses dados impl\u00edcitos <\/strong>podem ajudar. Por\u00e9m, considere obter dados expl\u00edcitos<\/strong>. Nada melhor pra conhecer o usu\u00e1rio do que o pr\u00f3prio usu\u00e1rio dizendo, n\u00e3o \u00e9 mesmo?\u00a0<\/p>\r\n\r\n\r\n\r\n

Assim, uma alternativa a considerar \u00e9 obter dados por perguntar abertamente ao usu\u00e1rio quais os gostos e objetivos dele ao usar a plataforma. Isso pode te orientar de forma mais assertiva nas recomenda\u00e7\u00f5es.\u00a0<\/p>\r\n\r\n\r\n\r\n

Uma das plataformas que fazem isso no cadastro do usu\u00e1rio \u00e9 a Netflix<\/a>. Para recomendar filmes, s\u00e9ries e document\u00e1rios que te agradem, ela explicitamente pede que voc\u00ea informe seus gostos.<\/p>\r\n\r\n\r\n\r\n

Logicamente que, com dados impl\u00edcitos ou expl\u00edcitos, \u00e9 importante que o seu algoritmo comece, ap\u00f3s uma an\u00e1lise inicial, a performar em cima de dados coletados com o uso do seu sistema pelo usu\u00e1rio. Na navega\u00e7\u00e3o, por exemplo.\u00a0<\/p>\r\n\r\n\r\n\r\n

Por\u00e9m, uma discuss\u00e3o que tem se tornado frequente em torno disso \u00e9 sobre a quest\u00e3o \u00e9tica<\/strong>. Se atente a isso para evitar problemas jur\u00eddicos.\u00a0<\/p>\r\n\r\n\r\n\r\n

Se pergunte: os dados s\u00e3o confidenciais? Meus clientes sabem at\u00e9 onde eu estou indo nessa coleta de dados? A quest\u00e3o da privacidade e do uso de dados podem comprometer voc\u00ea se isso for ignorado.<\/p>\r\n\r\n\r\n\r\n

>>Leitura Recomendada:<\/strong>
Cientista de dados<\/em><\/a>: tudo o que voc\u00ea precisa para se tornar um!<\/em><\/p>\r\n\r\n\r\n\r\n

Algoritmos de recomenda\u00e7\u00e3o s\u00e3o multidisciplinares<\/h2>\r\n\r\n\r\n\r\n
\"dois<\/figure>\r\n\r\n\r\n\r\n

O estudo de algoritmos de recomenda\u00e7\u00e3o \u00e9 uma \u00e1rea muito rica em termos de conhecimento, n\u00e3o s\u00f3 de exatas mas tamb\u00e9m de humanas.\u00a0<\/p>\r\n\r\n\r\n\r\n

Essas \u00e1reas incluem:\u00a0<\/p>\r\n\r\n\r\n\r\n

Software<\/strong><\/h3>\r\n\r\n\r\n\r\n

Pois voc\u00ea precisa saber utilizar ferramentas de constru\u00e7\u00e3o dos algoritmos;\u00a0<\/p>\r\n\r\n\r\n\r\n

Ci\u00eancia de dados, matem\u00e1tica e estat\u00edstica<\/strong><\/h3>\r\n\r\n\r\n\r\n

P<\/strong>ois voc\u00ea lidar\u00e1 diretamente com dados e precisar\u00e1 saber como obt\u00ea-los, classific\u00e1-los e manipul\u00e1-los de forma a extrair informa\u00e7\u00e3o deles, aplicando modelos matem\u00e1ticos e estat\u00edsticos;\u00a0<\/p>\r\n\r\n\r\n\r\n

Sociologia e psicologia <\/strong><\/h3>\r\n\r\n\r\n\r\n

Pois o seu algoritmo ser\u00e1 eficiente somente se ele souber entender o interesse do usu\u00e1rio alvo.<\/p>\r\n\r\n\r\n\r\n

De nada adiantar\u00e1 construir um bom algoritmo do ponto de vista t\u00e9cnico se a l\u00f3gica que te orientou na constru\u00e7\u00e3o dele n\u00e3o interpretar corretamente os interesses do usu\u00e1rio.\u00a0<\/p>\r\n\r\n\r\n\r\n

Por exemplo, ser\u00e1 que faz sentido eu levar em considera\u00e7\u00e3o os gostos dos amigos do usu\u00e1rio? Ser\u00e1 que faz sentido eu dar import\u00e2ncia para a idade dele?\u00a0<\/p>\r\n\r\n\r\n\r\n

Enfim, essas s\u00e3o decis\u00f5es pautadas em \u00e1reas do conhecimento de humanas e s\u00e3o muito relevantes pro sucesso do seu algoritmo. N\u00e3o negligencie isso.<\/p>\r\n\r\n\r\n\r\n

>>Leitura Recomendada:<\/strong>
Automatizando Testes<\/em><\/strong><\/a> com Python, Selenium e Behave<\/em><\/p>\r\n\r\n\r\n\r\n

An\u00e1lises com base em c\u00e1lculos<\/h2>\r\n\r\n\r\n\r\n
\"calculadora<\/figure>\r\n\r\n\r\n\r\n

Como dito, a \u00e1rea de matem\u00e1tica e estat\u00edstica<\/strong> pode ser muito importante na constru\u00e7\u00e3o de algoritmos de recomenda\u00e7\u00e3o eficientes.\u00a0<\/p>\r\n\r\n\r\n\r\n

Considere a medida de correla\u00e7\u00e3o<\/strong>: Ela expressa qual a rela\u00e7\u00e3o entre 2 fen\u00f4menos independentes pra que voc\u00ea, sabendo o que ocorreu em um, possa prever o que isso implicar\u00e1 no outro.\u00a0<\/p>\r\n\r\n\r\n\r\n

Exemplificando: h\u00e1 um caso famoso onde um mercado passou a vender mais cervejas a partir do momento que as posicionou perto das fraldas.\u00a0<\/p>\r\n\r\n\r\n\r\n

Qual a raz\u00e3o? Descobriram que geralmente quem compra fraldas s\u00e3o os pais e que eles, por serem pais, ficam em casa com seus filhos. Mas, pra n\u00e3o deixar de lado aquele gostinho bon vivant <\/em>do bar, compram cervejas e tomam em casa vendo TV.\u00a0<\/p>\r\n\r\n\r\n\r\n

A prateleira de cervejas do lado das fraldas foi como a comida pro faminto. \u201cSeria uma boa uma cervejinha hoje, n\u00e9?\u201d<\/em>, pensa o pai quando vai comprar a fralda e v\u00ea as cervejas.<\/p>\r\n\r\n\r\n\r\n

Percebe a an\u00e1lise comportamental<\/strong> e sociol\u00f3gica aqui?<\/p>\r\n\r\n\r\n\r\n

Por\u00e9m, vamos fazer uma an\u00e1lise de correla\u00e7\u00e3o que nos ajude a chegar a uma conclus\u00e3o como essa com base em dados.\u00a0<\/p>\r\n\r\n\r\n\r\n

Quais seriam os fen\u00f4menos independentes aqui? Comprar cerveja e comprar fralda. A princ\u00edpio eles n\u00e3o teriam nenhuma rela\u00e7\u00e3o, certo? Quem imaginaria isso?\u00a0<\/p>\r\n\r\n\r\n\r\n

A aplica\u00e7\u00e3o de c\u00e1lculos de correla\u00e7\u00e3o em uma amostra de notas fiscais pode expressar alguma correla\u00e7\u00e3o.\u00a0<\/p>\r\n\r\n\r\n\r\n

Usando o coeficiente de correla\u00e7\u00e3o de Pearson<\/h3>\r\n\r\n\r\n\r\n

Um c\u00e1lculo pass\u00edvel de ser utilizado \u00e9 a do coeficiente de correla\u00e7\u00e3o de Pearson<\/strong><\/a>, que nada mais \u00e9 do que um c\u00e1lculo desenvolvido pelo estat\u00edstico Karl Pearson<\/strong>.<\/p>\r\n\r\n\r\n\r\n

Ele nos retorna um n\u00famero entre -1 e 1 que, nesse caso, diria que h\u00e1 uma correla\u00e7\u00e3o entre a compra de fraldas e a de cerveja e que ela \u00e9 positiva, ou seja, ao passo que se compra fraldas, aumenta-se a probabilidade de se comprar cervejas.\u00a0<\/p>\r\n\r\n\r\n\r\n

Logo, seria uma boa recomendar cervejas para o cliente \u2013 mesmo que indiretamente, simplesmente colocando os produtos perto um do outro.<\/p>\r\n\r\n\r\n\r\n

Usando regras de associa\u00e7\u00e3o<\/h3>\r\n\r\n\r\n\r\n

H\u00e1 outra abordagem para o mesmo problema relacionada ao campo de estudo de minera\u00e7\u00e3o de dados (ou Data Mining): as regras de associa\u00e7\u00e3o<\/strong>.\u00a0<\/p>\r\n\r\n\r\n\r\n

Dentre elas, a mais utilizada hoje em dia utiliza o algoritmo Apriori<\/a><\/strong>, que trabalha por meio de uma busca aprofundada nos dados gerando conjuntos de padr\u00f5es.\u00a0<\/p>\r\n\r\n\r\n\r\n

Destes, selecionamos os mais frequentes e analisamos os n\u00edveis de support <\/em>(quanto do conjunto de padr\u00f5es cont\u00e9m os fen\u00f4menos), confidence <\/em>(dentre as vezes que ocorreu um fen\u00f4meno, quantas vezes ocorreu o outro) e lift <\/em>(o quanto um fen\u00f4meno alavanca ou potencializa a ocorr\u00eancia do outro).\u00a0<\/p>\r\n\r\n\r\n\r\n

Essa an\u00e1lise pode nos levar \u00e0s conclus\u00f5es necess\u00e1rias para recomendar algo ou n\u00e3o de forma simples, principalmente se utilizarmos uma linguagem como Python, que j\u00e1 cont\u00e9m bibliotecas prontas para aplicar este algoritmo.<\/p>\r\n\r\n\r\n\r\n

Mas pode haver situa\u00e7\u00f5es em que voc\u00ea dever\u00e1 saber a similaridade de dois agentes da sua aplica\u00e7\u00e3o.\u00a0<\/p>\r\n\r\n\r\n\r\n

Utilizando a dist\u00e2ncia euclidiana<\/h3>\r\n\r\n\r\n\r\n

Por exemplo, considere uma rede social de filmes como a Filmow<\/strong>. Voc\u00ea deseja criar um algoritmo de recomenda\u00e7\u00e3o baseado em filtragem colaborativa cuja l\u00f3gica seria recomendar um filme a uma usu\u00e1ria chamada Anita e, para isso, se basearia nos gostos de seus amigos.\u00a0<\/p>\r\n\r\n\r\n\r\n

Afinal, \u00e9 natural concluir que os amigos tem os mesmos gostos que ela e que, nos finais de semana, eles se re\u00fanam para ver filmes.<\/p>\r\n\r\n\r\n\r\n

Ali, cada filme tem uma avalia\u00e7\u00e3o. Uma poss\u00edvel abordagem para o seu algoritmo de recomenda\u00e7\u00e3o seria calcular a dist\u00e2ncia euclidiana<\/strong> entre Anita e seus amigos e recomendar um filme bem avaliado pelo amigo mais pr\u00f3ximo dela.\u00a0<\/p>\r\n\r\n\r\n\r\n

Mas o que \u00e9 dist\u00e2ncia euclidiana<\/strong>? \u00c9 uma das medidas de similaridade mais utilizadas em Data Mining, mais especificamente em t\u00e9cnicas de agrupamento<\/strong> e classifica\u00e7\u00e3o<\/strong> de dados juntamente com outros algoritmos, como o K vizinhos mais pr\u00f3ximos<\/strong><\/a>, por exemplo.\u00a0<\/p>\r\n\r\n\r\n\r\n

No nosso exemplo, essa t\u00e9cnica ajudaria a saber o amigo mais similar \u00e0 Anita dentro de algum ponto de vista pass\u00edvel de ser quantificado por n\u00fameros \u2013 que no caso, seria a nota dos filmes.<\/p>\r\n\r\n\r\n\r\n

Por exemplo, voc\u00ea quer recomendar um filme para a Anita. Assim, voc\u00ea utilizaria no c\u00e1lculo da dist\u00e2ncia euclidiana<\/em> as notas dadas por ela para os filmes que ela viu e as notas dadas pelos seus amigos para os mesmos filmes.\u00a0<\/p>\r\n\r\n\r\n\r\n

O amigo mais pr\u00f3ximo \u2013 ou seja, com a dist\u00e2ncia menor \u2013 seria aquele cujas notas s\u00e3o mais parecidas com as de Anita.\u00a0<\/p>\r\n\r\n\r\n\r\n

Aplicando, chegamos ao Jo\u00e3o. Baseado nisso, voc\u00ea pode recomendar um filme que Jo\u00e3o gostou para a Anita \u2013 logicamente que Anita n\u00e3o tenha visto ainda.<\/p>\r\n\r\n\r\n\r\n

\"imagem<\/figure>\r\n\r\n\r\n\r\n

Usando a medida de similaridade de cossenos<\/h3>\r\n\r\n\r\n\r\n

Uma alternativa \u00e0 dist\u00e2ncia euclidiana \u00e9 a medida de similaridade de cossenos, (ou\u00a0Cosine Similari<\/a>ty<\/a>).<\/p>\r\n\r\n\r\n\r\n

Ao inv\u00e9s de calcular a proximidade entre dois agentes (Anita e Jo\u00e3o), calculamos a similaridade entre conjunto de agentes.<\/p>\r\n\r\n\r\n\r\n

Isso seria recomendado quando interessa a voc\u00ea analisar o qu\u00e3o similares s\u00e3o Anita, Jo\u00e3o e J\u00e9ssica por exemplo. Isso envolveria usar uma l\u00f3gica de vetores em geometria anal\u00edtica, onde seria calculado o \u00e2ngulo entre eles.<\/p>\r\n\r\n\r\n\r\n

 <\/p>\r\n\r\n\r\n\r\n

\"imagem<\/figure>\r\n\r\n\r\n\r\n

Usando o Coeficiente de Jaccard<\/h3>\r\n\r\n\r\n\r\n

E por fim, mais t\u00e9cnicas de medida de similaridade envolvem o uso do Coeficiente de Jaccard<\/em> e de Bray Curtis<\/strong> para an\u00e1lise de dados e constru\u00e7\u00e3o de dendrogramas.\u00a0<\/p>\r\n\r\n\r\n\r\n

Este c\u00e1lculo obt\u00e9m, dentre uma amostra, uma propor\u00e7\u00e3o de agentes de determinada esp\u00e9cie ou tipo.<\/p>\r\n\r\n\r\n\r\n

Eles s\u00e3o usados em conjunto com dendrogramas<\/em> para gerar uma sa\u00edda com estrutura em \u00e1rvore, cujas ra\u00edzes cont\u00e9m os agentes mais pr\u00f3ximos (ou similares) e, ao passo que se sobe nela, h\u00e1 o encontro com outros agentes pr\u00f3ximos, apontando alguma similaridade.<\/p>\r\n\r\n\r\n\r\n

\"imagem<\/figure>\r\n\r\n\r\n\r\n

Como aplicar algoritmos de recomenda\u00e7\u00e3o na pr\u00e1tica<\/h2>\r\n\r\n\r\n\r\n
\"pessoa<\/figure>\r\n\r\n\r\n\r\n

Como visto, h\u00e1 muitas abordagens matem\u00e1ticas e estat\u00edsticas que podem ser utilizadas nos algoritmos de recomenda\u00e7\u00e3o para aprimorar a sua efic\u00e1cia. Por\u00e9m, a forma como voc\u00ea aplica isso na pr\u00e1tica varia.<\/p>\r\n\r\n\r\n\r\n

Usando Machine Learning<\/h3>\r\n\r\n\r\n\r\n

Uma abordagem muito utilizada \u00e9 com Machine Learning<\/a><\/strong>, onde o programador utiliza uma base de dados existente com um hist\u00f3rico de padr\u00f5es que serviria como \u201cli\u00e7\u00f5es\u201d e constr\u00f3i um modelo de aprendizado a partir delas, que seria utilizado numa fase de \u201ctreinamento\u201d do sistema.<\/p>\r\n\r\n\r\n\r\n

Dessa forma, ap\u00f3s isso ele ser\u00e1 capaz de, dado um cen\u00e1rio espec\u00edfico, prever o resultado adequado.\u00a0<\/p>\r\n\r\n\r\n\r\n

Assim, o seu sistema aprenderia os padr\u00f5es mais comuns dentro do seu dom\u00ednio (loja de livros, por exemplo) de tal forma que ele pudesse fazer recomenda\u00e7\u00f5es de forma mais eficaz.\u00a0<\/p>\r\n\r\n\r\n\r\n

Se ele errar (usu\u00e1rio sequer ver o livro), isso tamb\u00e9m serviria de aprendizado.\u00a0<\/p>\r\n\r\n\r\n\r\n

\u00c9 an\u00e1logo ao que acontece conosco.\u00a0<\/p>\r\n\r\n\r\n\r\n

N\u00f3s criamos um certo padr\u00e3o por regras de associa\u00e7\u00e3o que acumulamos com a nossa experi\u00eancia de vida e, assim, se f\u00f4ssemos fazer uma recomenda\u00e7\u00e3o a algu\u00e9m, usar\u00edamos ela em conjunto com o que conhecemos dessa pessoa.\u00a0<\/p>\r\n\r\n\r\n\r\n

Se for uma recomenda\u00e7\u00e3o ruim, aprendemos com isso.<\/p>\r\n\r\n\r\n\r\n

>>Leitura Recomendada:<\/strong>
Os<\/em> algoritmos de machine learning<\/em><\/a><\/p>\r\n\r\n\r\n\r\n

Utilizando softwares<\/h3>\r\n\r\n\r\n\r\n

Outra op\u00e7\u00e3o seria utilizar um software<\/em> \u201cconvencional\u201d, que decidisse a recomenda\u00e7\u00e3o a ser dada ali, time to market<\/em>, na hora.<\/p>\r\n\r\n\r\n\r\n

Isso envolveria consultar dados e process\u00e1-los, utilizando de todas as t\u00e9cnicas que abrangemos aqui.\u00a0<\/p>\r\n\r\n\r\n\r\n

Dependendo da complexidade do seu neg\u00f3cio, esse processo pode ser extremamente custoso computacionalmente, tanto em consumo de mem\u00f3ria quanto em processamento.\u00a0<\/p>\r\n\r\n\r\n\r\n

Mem\u00f3ria<\/strong>, pela quantidade de dados que necessitar\u00e3o estar nela. E processamento<\/strong>, pela quantidade de rotinas que ser\u00e3o executadas para realizar essa an\u00e1lise.\u00a0<\/p>\r\n\r\n\r\n\r\n

Imagine, por exemplo, que voc\u00ea queira fazer uma recomenda\u00e7\u00e3o baseada em filtragem colaborativa para um usu\u00e1rio com muitos amigos.\u00a0<\/p>\r\n\r\n\r\n\r\n

O custo computacional de aplicar essas t\u00e9cnicas a todos os amigos deles \u00e9 enorme.\u00a0<\/p>\r\n\r\n\r\n\r\n

Assim, ser\u00e1 necess\u00e1rio que voc\u00ea elabore alguma estrat\u00e9gia de otimiza\u00e7\u00e3o<\/strong>, talvez classificando previamente os amigos mais pr\u00f3ximos para eliminar passos ou trabalhando com amostras.<\/p>\r\n\r\n\r\n\r\n

Tamb\u00e9m \u00e9 altamente recomend\u00e1vel que se fa\u00e7a benchmarks <\/em>e an\u00e1lises de performance nos c\u00e1lculos que voc\u00ea deseja aplicar, como esse estudo da Revista Brasileira de Computa\u00e7\u00e3o Aplicada<\/strong><\/a> mostra, por exemplo.<\/p>\r\n\r\n\r\n\r\n

De qualquer forma, todos esses desafios exigir\u00e3o um skill <\/em>forte em arquitetura de solu\u00e7\u00f5es<\/strong>.<\/p>\r\n\r\n\r\n\r\n

\"\"<\/a><\/figure>\r\n\r\n\r\n\r\n

Conclus\u00e3o<\/h2>\r\n\r\n\r\n\r\n
\"\"<\/figure>\r\n\r\n\r\n\r\n

Neste artigo, vimos o que s\u00e3o algoritmos de recomenda\u00e7\u00e3o<\/strong> e alguns aspectos conceituais importantes em sua constru\u00e7\u00e3o.<\/p>\r\n\r\n\r\n\r\n

Desde os tipos de filtragem <\/em>at\u00e9 as suas diversas \u00e1reas de estudo, principalmente matem\u00e1tica e estat\u00edstica, onde aprofundamos um pouco mais a respeito de algumas t\u00e9cnicas.\u00a0<\/p>\r\n\r\n\r\n\r\n

Por fim, vimos um pouco dos desafios envolvidos. Afinal, tudo tem o seu pre\u00e7o \u2013 e este n\u00e3o \u00e9 nada barato.<\/p>\r\n\r\n\r\n\r\n

De qualquer forma, eu acho algoritmos de recomenda\u00e7\u00e3o um assunto extremamente interessante, principalmente por visitar diversas \u00e1reas do conhecimento<\/em>, inclusive de humanas.<\/p>\r\n\r\n\r\n\r\n

Isso sem falar de que a cada dia ele \u00e9 mais utilizado.<\/p>\r\n\r\n\r\n\r\n

Pretendo, em um pr\u00f3ximo artigo, aprofundar um pouco mais em alguns aspectos de constru\u00e7\u00e3<\/strong>o que aqui foram abordados mais superficialmente, por raz\u00f5es de tamanho.<\/p>\r\n\r\n\r\n\r\n

H\u00e1 muitas t\u00e9cnicas que podem ser utilizadas, incluindo algoritmos gen\u00e9ticos, matrizes esparsas<\/em> e outras. Mas creio que o conte\u00fado exposto j\u00e1 d\u00e1 uma boa base inicial.<\/p>\r\n","protected":false},"excerpt":{"rendered":"

A internet \u00e9 imensuravelmente gigantesca. A onda de conte\u00fado disponibilizado nela alcan\u00e7ou um tamanho nunca antes imaginado. Com isso surgiu a necessidade de, em meio a esse oceano de informa\u00e7\u00e3o, tornar o acesso bidirecional. Ou seja, ele n\u00e3o deve depender apenas da pessoa buscar a informa\u00e7\u00e3o, mas da informa\u00e7\u00e3o chegar \u00e0 pessoa.\u00a0Para esse fim, surgiram […]<\/p>\n","protected":false},"author":167,"featured_media":7304,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[18],"tags":[],"class_list":["post-7286","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-desenvolvimiento-de-software"],"acf":[],"yoast_head":"\nAlgoritmos de Recomenda\u00e7\u00e3o: Voc\u00ea sabe como implementar?<\/title>\n<meta name=\"description\" content=\"Voc\u00ea provavelmente sabe o que s\u00e3o algoritmos de recomenda\u00e7\u00e3o. Mas sabe como funcionam? O que est\u00e1 por tr\u00e1s deles? Leia nosso artigo!\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/\" \/>\n<meta property=\"og:locale\" content=\"pt_BR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Algoritmos de recomenda\u00e7\u00e3o: o que s\u00e3o e como implement\u00e1-los?\" \/>\n<meta property=\"og:description\" content=\"A internet \u00e9 imensuravelmente gigantesca. A onda de conte\u00fado disponibilizado nela alcan\u00e7ou um tamanho nunca antes imaginado. Com isso surgiu a necessidade\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/\" \/>\n<meta property=\"og:site_name\" content=\"Blog Geekhunter\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/geekhunterbr\/\" \/>\n<meta property=\"article:published_time\" content=\"2025-04-15T00:06:50+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-04-24T13:13:38+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.geekhunter.com/pt/blog\/wp-content\/uploads\/2019\/09\/Algoritmos-de-recomenda\u00e7\u00e3o-o-que-s\u00e3o-e-como-implement\u00e1-los.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"960\" \/>\n\t<meta property=\"og:image:height\" content=\"640\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Geekhunter\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@geekhunterbr\" \/>\n<meta name=\"twitter:site\" content=\"@geekhunterbr\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Geekhunter\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. tempo de leitura\" \/>\n\t<meta name=\"twitter:data2\" content=\"19 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/\"},\"author\":{\"name\":\"Geekhunter\",\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/#\\\/schema\\\/person\\\/9f62b173345139f7bbdaf55312c3d400\"},\"headline\":\"Algoritmos de recomenda\u00e7\u00e3o: o que s\u00e3o e como implement\u00e1-los?\",\"datePublished\":\"2025-04-15T00:06:50+00:00\",\"dateModified\":\"2025-04-24T13:13:38+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/\"},\"wordCount\":3288,\"publisher\":{\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.geekhunter.com/pt/blog\\\/wp-content\\\/uploads\\\/2019\\\/09\\\/Algoritmos-de-recomenda\u00e7\u00e3o-o-que-s\u00e3o-e-como-implement\u00e1-los.jpg\",\"articleSection\":[\"Desenvolvimiento de software\"],\"inLanguage\":\"pt-BR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/\",\"url\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/\",\"name\":\"Algoritmos de Recomenda\u00e7\u00e3o: Voc\u00ea sabe como implementar?\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.geekhunter.com/pt/blog\\\/wp-content\\\/uploads\\\/2019\\\/09\\\/Algoritmos-de-recomenda\u00e7\u00e3o-o-que-s\u00e3o-e-como-implement\u00e1-los.jpg\",\"datePublished\":\"2025-04-15T00:06:50+00:00\",\"dateModified\":\"2025-04-24T13:13:38+00:00\",\"description\":\"Voc\u00ea provavelmente sabe o que s\u00e3o algoritmos de recomenda\u00e7\u00e3o. Mas sabe como funcionam? O que est\u00e1 por tr\u00e1s deles? Leia nosso artigo!\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/#breadcrumb\"},\"inLanguage\":\"pt-BR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.geekhunter.com/pt/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/wp-content\\\/uploads\\\/2019\\\/09\\\/Algoritmos-de-recomenda\u00e7\u00e3o-o-que-s\u00e3o-e-como-implement\u00e1-los.jpg\",\"contentUrl\":\"https:\\\/\\\/www.geekhunter.com/pt/blog\\\/wp-content\\\/uploads\\\/2019\\\/09\\\/Algoritmos-de-recomenda\u00e7\u00e3o-o-que-s\u00e3o-e-como-implement\u00e1-los.jpg\",\"width\":960,\"height\":640,\"caption\":\"tela de computador com codigos de programacao\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"In\u00edcio\",\"item\":\"https:\\\/\\\/www.geekhunter.com/pt/blog\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Mundo TI\",\"item\":\"https:\\\/\\\/www.geekhunter.com/pt/blog\\\/category\\\/mundo-ti\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Desenvolvimiento de software\",\"item\":\"https:\\\/\\\/www.geekhunter.com/pt/blog\\\/category\\\/mundo-ti\\\/desenvolvimiento-de-software\\\/\"},{\"@type\":\"ListItem\",\"position\":4,\"name\":\"Algoritmos de recomenda\u00e7\u00e3o: o que s\u00e3o e como implement\u00e1-los?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/#website\",\"url\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/\",\"name\":\"Blog de TI\",\"description\":\"Dicas para o RH e profissionais da \u00e1rea TI\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.geekhunter.com/pt/blog\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pt-BR\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/#organization\",\"name\":\"GeekHunter\",\"url\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/wp-content\\\/uploads\\\/2024\\\/10\\\/icon-1.png\",\"contentUrl\":\"https:\\\/\\\/www.geekhunter.com/pt/blog\\\/wp-content\\\/uploads\\\/2024\\\/10\\\/icon-1.png\",\"width\":300,\"height\":300,\"caption\":\"GeekHunter\"},\"image\":{\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/geekhunterbr\\\/\",\"https:\\\/\\\/x.com\\\/geekhunterbr\",\"https:\\\/\\\/www.instagram.com\\\/geekhunterbr\\\/\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/geekhunter-brasil\\\/\",\"https:\\\/\\\/www.youtube.com\\\/@GeekHunterOfficial\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/#\\\/schema\\\/person\\\/9f62b173345139f7bbdaf55312c3d400\",\"name\":\"Geekhunter\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/09a0f76de8cf1fa3621f8b73417ce43344b42e1324a07a9af24f57c5eef49840?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/09a0f76de8cf1fa3621f8b73417ce43344b42e1324a07a9af24f57c5eef49840?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/09a0f76de8cf1fa3621f8b73417ce43344b42e1324a07a9af24f57c5eef49840?s=96&d=mm&r=g\",\"caption\":\"Geekhunter\"},\"url\":\"https:\\\/\\\/www.geekhunter.com\\\/pt\\\/blog\\\/author\\\/matias\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Algoritmos de Recomenda\u00e7\u00e3o: Voc\u00ea sabe como implementar?","description":"Voc\u00ea provavelmente sabe o que s\u00e3o algoritmos de recomenda\u00e7\u00e3o. Mas sabe como funcionam? O que est\u00e1 por tr\u00e1s deles? Leia nosso artigo!","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/","og_locale":"pt_BR","og_type":"article","og_title":"Algoritmos de recomenda\u00e7\u00e3o: o que s\u00e3o e como implement\u00e1-los?","og_description":"A internet \u00e9 imensuravelmente gigantesca. A onda de conte\u00fado disponibilizado nela alcan\u00e7ou um tamanho nunca antes imaginado. Com isso surgiu a necessidade","og_url":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/","og_site_name":"Blog Geekhunter","article_publisher":"https:\/\/www.facebook.com\/geekhunterbr\/","article_published_time":"2025-04-15T00:06:50+00:00","article_modified_time":"2025-04-24T13:13:38+00:00","og_image":[{"width":960,"height":640,"url":"https:\/\/www.geekhunter.com/pt/blog\/wp-content\/uploads\/2019\/09\/Algoritmos-de-recomenda\u00e7\u00e3o-o-que-s\u00e3o-e-como-implement\u00e1-los.jpg","type":"image\/jpeg"}],"author":"Geekhunter","twitter_card":"summary_large_image","twitter_creator":"@geekhunterbr","twitter_site":"@geekhunterbr","twitter_misc":{"Escrito por":"Geekhunter","Est. tempo de leitura":"19 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/#article","isPartOf":{"@id":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/"},"author":{"name":"Geekhunter","@id":"https:\/\/www.geekhunter.com\/pt\/blog\/#\/schema\/person\/9f62b173345139f7bbdaf55312c3d400"},"headline":"Algoritmos de recomenda\u00e7\u00e3o: o que s\u00e3o e como implement\u00e1-los?","datePublished":"2025-04-15T00:06:50+00:00","dateModified":"2025-04-24T13:13:38+00:00","mainEntityOfPage":{"@id":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/"},"wordCount":3288,"publisher":{"@id":"https:\/\/www.geekhunter.com\/pt\/blog\/#organization"},"image":{"@id":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/#primaryimage"},"thumbnailUrl":"https:\/\/www.geekhunter.com/pt/blog\/wp-content\/uploads\/2019\/09\/Algoritmos-de-recomenda\u00e7\u00e3o-o-que-s\u00e3o-e-como-implement\u00e1-los.jpg","articleSection":["Desenvolvimiento de software"],"inLanguage":"pt-BR"},{"@type":"WebPage","@id":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/","url":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/","name":"Algoritmos de Recomenda\u00e7\u00e3o: Voc\u00ea sabe como implementar?","isPartOf":{"@id":"https:\/\/www.geekhunter.com\/pt\/blog\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/#primaryimage"},"image":{"@id":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/#primaryimage"},"thumbnailUrl":"https:\/\/www.geekhunter.com/pt/blog\/wp-content\/uploads\/2019\/09\/Algoritmos-de-recomenda\u00e7\u00e3o-o-que-s\u00e3o-e-como-implement\u00e1-los.jpg","datePublished":"2025-04-15T00:06:50+00:00","dateModified":"2025-04-24T13:13:38+00:00","description":"Voc\u00ea provavelmente sabe o que s\u00e3o algoritmos de recomenda\u00e7\u00e3o. Mas sabe como funcionam? O que est\u00e1 por tr\u00e1s deles? Leia nosso artigo!","breadcrumb":{"@id":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/#breadcrumb"},"inLanguage":"pt-BR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.geekhunter.com/pt/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/"]}]},{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/#primaryimage","url":"https:\/\/www.geekhunter.com\/pt\/blog\/wp-content\/uploads\/2019\/09\/Algoritmos-de-recomenda\u00e7\u00e3o-o-que-s\u00e3o-e-como-implement\u00e1-los.jpg","contentUrl":"https:\/\/www.geekhunter.com/pt/blog\/wp-content\/uploads\/2019\/09\/Algoritmos-de-recomenda\u00e7\u00e3o-o-que-s\u00e3o-e-como-implement\u00e1-los.jpg","width":960,"height":640,"caption":"tela de computador com codigos de programacao"},{"@type":"BreadcrumbList","@id":"https:\/\/www.geekhunter.com\/pt\/blog\/algoritmos-de-recomendacao-o-que-sao-e-como-implementa-los\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"In\u00edcio","item":"https:\/\/www.geekhunter.com/pt/blog\/"},{"@type":"ListItem","position":2,"name":"Mundo TI","item":"https:\/\/www.geekhunter.com/pt/blog\/category\/mundo-ti\/"},{"@type":"ListItem","position":3,"name":"Desenvolvimiento de software","item":"https:\/\/www.geekhunter.com/pt/blog\/category\/mundo-ti\/desenvolvimiento-de-software\/"},{"@type":"ListItem","position":4,"name":"Algoritmos de recomenda\u00e7\u00e3o: o que s\u00e3o e como implement\u00e1-los?"}]},{"@type":"WebSite","@id":"https:\/\/www.geekhunter.com\/pt\/blog\/#website","url":"https:\/\/www.geekhunter.com\/pt\/blog\/","name":"Blog de TI","description":"Dicas para o RH e profissionais da \u00e1rea TI","publisher":{"@id":"https:\/\/www.geekhunter.com\/pt\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.geekhunter.com/pt/blog\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pt-BR"},{"@type":"Organization","@id":"https:\/\/www.geekhunter.com\/pt\/blog\/#organization","name":"GeekHunter","url":"https:\/\/www.geekhunter.com\/pt\/blog\/","logo":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/www.geekhunter.com\/pt\/blog\/#\/schema\/logo\/image\/","url":"https:\/\/www.geekhunter.com\/pt\/blog\/wp-content\/uploads\/2024\/10\/icon-1.png","contentUrl":"https:\/\/www.geekhunter.com/pt/blog\/wp-content\/uploads\/2024\/10\/icon-1.png","width":300,"height":300,"caption":"GeekHunter"},"image":{"@id":"https:\/\/www.geekhunter.com\/pt\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/geekhunterbr\/","https:\/\/x.com\/geekhunterbr","https:\/\/www.instagram.com\/geekhunterbr\/","https:\/\/www.linkedin.com\/company\/geekhunter-brasil\/","https:\/\/www.youtube.com\/@GeekHunterOfficial"]},{"@type":"Person","@id":"https:\/\/www.geekhunter.com\/pt\/blog\/#\/schema\/person\/9f62b173345139f7bbdaf55312c3d400","name":"Geekhunter","image":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/secure.gravatar.com\/avatar\/09a0f76de8cf1fa3621f8b73417ce43344b42e1324a07a9af24f57c5eef49840?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/09a0f76de8cf1fa3621f8b73417ce43344b42e1324a07a9af24f57c5eef49840?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/09a0f76de8cf1fa3621f8b73417ce43344b42e1324a07a9af24f57c5eef49840?s=96&d=mm&r=g","caption":"Geekhunter"},"url":"https:\/\/www.geekhunter.com\/pt\/blog\/author\/matias\/"}]}},"_links":{"self":[{"href":"https:\/\/www.geekhunter.com/pt/blog\/wp-json\/wp\/v2\/posts\/7286","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.geekhunter.com/pt/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.geekhunter.com/pt/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.geekhunter.com/pt/blog\/wp-json\/wp\/v2\/users\/167"}],"replies":[{"embeddable":true,"href":"https:\/\/www.geekhunter.com/pt/blog\/wp-json\/wp\/v2\/comments?post=7286"}],"version-history":[{"count":0,"href":"https:\/\/www.geekhunter.com/pt/blog\/wp-json\/wp\/v2\/posts\/7286\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.geekhunter.com/pt/blog\/wp-json\/wp\/v2\/media\/7304"}],"wp:attachment":[{"href":"https:\/\/www.geekhunter.com/pt/blog\/wp-json\/wp\/v2\/media?parent=7286"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.geekhunter.com/pt/blog\/wp-json\/wp\/v2\/categories?post=7286"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.geekhunter.com/pt/blog\/wp-json\/wp\/v2\/tags?post=7286"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}