Framework Recommender System

Framework para análise e avaliação de sistemas de recomendação de jornais online. Este trabalho tem como objetivo a criação de um framework para teste e avaliação de sistemas de recomendação de jornal online. A ferramenta recebe os dados e trata para entrada nos algoritmos de recomendação, estes algoritmos retornam uma lista de recomendação a qual é avalida pelas métricas que o proprio usuário pode implementar. As informações contidas abaixo podem ser vistas mais afundo no arquivo Monografia.pdf, que se encontra neste repositório.

A criação deste framework focou em deixar o mesmo o mais fácil possível de ser usado por outros pesquisadores que desejam testar e avaliar sistemas de recomendação para jornais. Com isso segue uma exemplificação de caso de uso, mostrando como ficou relativamente fácil o uso dessa ferramenta. Seque uma exemplificação do funcionamento do framework.

class Main {
    public static void main(String[] args) {
        // Iniciando o framework e rodando o modulo de dataSplit
        Framework.insertData( arqOfLlogs, arqOfData);
        Framework.runDataSplit(unitTime, iniTime);
        // Adicionando os sistemas de recomendacao criados pelos usuario do framework, e rodando-os
        Framework.insertRecSys( aRecSysMakeByUser() );
        Framework.insertRecSys( otherRecSysMakeByUser() );
        ...
        Framework.runRunner(numberRec);
        // Adicionando as metricas implementadas pelos usuario do framework, e rodando-os
        Framework.insertMetrics( aMetricMakeByUser() );
        Framework.insertMetrics( anotherMetricMakeByUser() );
        ...
        Framework.runEvaluator();
    }
}

O algoritmo acima é um exemplo de implementação da classe Main que o usuário do framework deve implementar. É mostrado a inicialização dos dados, a inserção de sistemas de recomendação e métricas.

Módulo Tratamento dos Dados (DataSplit)

Inicialmente a base é composta por 2 arquivos no formato csv. Um contendo informações sobre os artigos e outro com informações sobre os usuários, tais como o tempo de acesso e artigos lidos. A estrutura desses arquivos é descrita na seção refetente aos dados na monografia. O módulo tratamento dos dados é responsável por criar as partições e diretórios onde os dados irão ser manipulados. Vale ressaltar que os dados já devem estar limpos e normalizados de acordo com as exigências deste para funcionamento desta ferramenta.

A primeira coisa que é realizada é a leitura desse dois arquivos, isso é feito através do método Framework.insertData(logs,data), onde é passado o arquivo de logs, que é referente à iteração dos usuários do jornal e data que é informações relevantes dos artigos. Esses métodos são responsáveis pela indexação da base de dados e podem serem omitidos se uma vez executados.

class Main {
    public static void main(String[] args) {
        long iniTime = 0, unitTime = 604800000; // tempo em milissegundos
        Framework.insertData("logs.csv","data.csv"); // insere dados
        Framework.runDataSplit(unitTime,iniTime);
    }
}

Módulo de Recomendação (Runner)

O módulo Runner é responsável por executar os algoritmos de recomendação. Este é também um objeto interno, que é construído usando dos padrões de projeto Factory e Singleton. Ele deve ser executado posterior ao módulo DataSplit, garantindo a existência do conjunto de dados e partições para iniciar a simulação. Para inserir um algoritmo de recomendação é usado o método Framework.insertRecSys(Recommed Obj). Como argumento esse método recebe um objeto que implementa uma interface Recommend do framework.

public interface Recommend {
    /**
     * Receive news items
     * @param task it is a line of partition in the <id_user,id_session,timeStamp,id_article>.
     */
    List<String> run(String task);

    /**
     * initial the historic data
     * @param numberOfRecommend it  a number of partitions
     * @param partition it a file of partition
     */
    void init(int numberOfRecommend, File partition, String path);

    /**
     * clean everything
     */
    void clean();

}

Módulo de Avaliação (Evaluate)

É o módulo dedicado às métricas de avaliação. Onde, o módulo de recomendação faz uma predição usando algum algoritmo de recomendação e essa predição é avaliada de acordo com as métricas.

Para a execução desse módulo é necessário a implementação da classe Metrics.