Decision Helper: aplicação para recomendação de filmes usando machine learning

Abstract

A presente pesquisa aborda o fenômeno da sobrecarga de escolha (choice overload) que ocorre nas plataformas de streaming devido à grande quantidade de opções disponíveis, o que pode levar à indecisão e insatisfação do usuário. O estudo busca examinar e comparar diferentes métodos de recomendação, incluindo filtragem colaborativa, métodos baseados em conteúdo e técnicas híbridas. O sistema de recomendação foi desenvolvido utilizando a linguagem Python e a biblioteca PyTorch, aproveitando sua flexibilidade e eficiência para a construção de modelos personalizados. Os testes realizados com o sistema indicaram uma redução consistente na métrica de erro médio quadrático (MSE), demonstrando a eficácia do modelo em gerar recomendações precisas. Além disso, o sistema se mostrou eficiente na diminuição do tempo gasto pelos usuários na escolha de conteúdos, promovendo uma experiência de visualização mais satisfatória e menos estressante.

This research addresses the phenomenon of choice overload occurring on streaming platforms due to the extensive range of available options, which can lead to user indecision and dissatisfaction. The study aims to examine and compare various recommendation methods, including collaborative filtering, content-based methods, and hybrid techniques. The recommendation system was developed using Python and the PyTorch library, leveraging its flexibility and efficiency for building customized models. Tests conducted with the system indicated a consistent reduction in the mean squared error (MSE) metric, demonstrating the model's effectiveness in generating accurate recommendations. Additionally, the system proved efficient in reducing the time users spend choosing content, fostering a more satisfying and less stressful viewing experience.