Sistema de recomendação adaptado ao contexto

O comércio eletrónico B2C em Portugal tem crescido constantemente nos últimos anos, tendo atingido 3,740 mil milhões de dólares americanos em 2020, o que representa um crescimento de 30% no mercado português. Nos primeiros 6 meses de 2020, o comércio eletrónico experimentou um aumento significativo, com um aumento substancial nas compras digitais internacionais e nacionais. De acordo com o estudo "Hábitos do Consumidor pós-Covid-19", mais de 50% dos portugueses fizeram compras online de março a maio, o que contribuiu para a reinvenção do comércio tradicional e consolidou o boom do comércio eletrónico. No projeto EARS, o foco do caso de uso em Portugal será em lojas online de produtos de segurança e proteção, no entanto, os componentes que serão desenvolvidos podem ser facilmente aplicados a outros domínios. Pretende-se desenvolver uma plataforma que inclua mecanismos de recomendação com capacidades explicáveis e modelos de aprendizagem de transferência para melhorar o desempenho das recomendações ou possibilitar recomendações entre domínios para novos utilizadores de um domínio específico. Esses novos serviços inteligentes terão um grande impacto, tanto em empresas quanto na sociedade, principalmente para promover a salvaguarda da segurança e da saúde física e mental dos trabalhadores. A inovação no projeto EARS ajudará a FTP a alcançar outros setores de comércio eletrónico, aumentando o número de potenciais clientes e contribuindo para melhorar a posição dos clientes atuais da FTP no mercado global. As principais inovações que o projeto trará advêm da saída da abordagem tradicional baseada em silos com modelos específicos de domínio e da transição para uma colaboração federada de Sistemas de Recomendação (RS) multi-domínio. Nesta solução, os sistemas de recomendação individuais serão capazes de aprender não apenas a partir dos dados que recolhem por si mesmos (por exemplo, por meio de interações do utilizador), mas também a partir da saída de outros RSs. Isso resolverá, por um lado, problemas relacionados com a escassez de dados e cold start, acelerando significativamente a incorporação de novos sistemas, e, por outro lado, aumentará substancialmente a precisão das recomendações personalizadas. Como apenas as "saídas" são partilhadas entre os sistemas e nenhum dado real (do utilizador) é partilhado, o sistema garantirá a privacidade dos dados. Além disso, o sistema proposto aumentará a confiança e a experiência do cliente para um nível superior. O EARS não investigará apenas técnicas inovadoras de IA explicável para fornecer ao utilizador feedback sobre a "razão" de uma determinada recomendação, mas também considerará maneiras de recolher feedback do utilizador sobre uma recomendação específica e integrar isso em recomendações futuras.