Sistemas de Recomendação - Trabalho Final

• Objetivo é implementar e avaliar um modelo Personalized PageRank para Continuação Automática de Playlists
• O dataset utilizado vem do desafio ACM RecSys: http://www.recsyschallenge.com/2018/

Setup

Dependências

1. Baixar dados do desafio no site
   • Dataset completo: spotify_million_playlist_dataset
   • Dataset de Desafio: spotify_million_playlist_dataset_challenge
2. Extrair dados do desafio para dentro da pasta dados/.
   • Ficarão duas pastas: spotify_million_playlist_dataset_challenge/ e spotify_million_playlist_dataset/
3. Criar ambiente virtual com python -m venv env
4. Ativando ambiente virtual
   • Windows: env\Scripts\Activate.ps1
   • Linux: source env/bin/activate
5. Instalando dependências com pip install -r requirements.txt

Execução

1. Rodar implementacao-nova/0_processa_dados.ipynb: Assim ocorrerá a geração dos dados preparados na pasta dados-processados/
2. Rodar implementacao-nova/1_treinamento_personalized_pagerank.ipynb: Para gerar os pesos do modelo na pasta dados-processados/
3. Rodar implementacao-nova/2_avaliacao_personalized_pagerank.ipynb: Para avaliar o modelo isoladamente no conjunto de teste.

Planejamento

• Modelo: Personalized Page Rank
  • Referências:
    • "Pixie: A System for Recommending 3+ Billion Items to 200+ Million Users in Real-Time"
    • "Random Walk with Restart for Automatic Playlist Continuation and Query-Specific Adaptations"