Publicação
Hybrid sentiment-based recommender system for e-commerce
| datacite.subject.fos | Engenharia e Tecnologia | |
| datacite.subject.sdg | 09:Indústria, Inovação e Infraestruturas | |
| dc.contributor.advisor | Santos, Joaquim Filipe Peixoto dos | |
| dc.contributor.author | MOREIRA, ANA PATRÍCIA MANTA | |
| dc.date.accessioned | 2025-11-10T09:50:31Z | |
| dc.date.available | 2025-11-10T09:50:31Z | |
| dc.date.issued | 2025-10-10 | |
| dc.description.abstract | This dissertation presents a personalized product recommendation system designed for the use in e-commerce, which has a lot of sentiments inside reviews made by users. Conventionally, most recommendation systems tend to ignore the ne details and emotive sentiments in this user-contributed texts, often relying on numerical ratings or demographical information such as gender or age. This can result in suggestions not entirely in line with a user's genuine interest or emotional reaction to products. A user could have assigned a high numerical rating but still express discontent with a particular aspect such as the durability or the cost in the review, this detail is often lost in the case of most standard methods. This initiative has been created in partnership with the Cognitively Smart Assistant in Physical-Digital Environment (CAPE) project. CAPE is a joint initiative, subsidized by the European Regional Development Fund (ERDF), dedicated to the triple transformation of the retail market: sustainability, digitalization, and evolution of skills. In preparation for this system, a systematic literature review took place, which served as essential groundwork for the state of the art of the current e-commerce recommendation systems, including those with emotions, Arti cial Intelligence (AI), and Natural Language Processing (NLP). This review was structured around speci c research questions about how emotions impact the recommendation, the most e cient methods of segmenting the user for the highest possible sales, and possible weaknesses and the ethics in the recommendation systems. This systematic review followed the PRISMA protocol. The dataset chosen for the project was the Amazon Electronics dataset, chosen for the wide range of electronic products and the large collection of reviews, which are both ideally suited for the needs of the CAPE project. Because of its large size, there was a critical preprocessing of the data to improve the quality of the data and accelerate the model training. The suggested system involves the use of the strengths of BERT for learning the context of the words and the LSTM networks for dealing with long-term dependency in sequential information. A range of this architectures (V1 to V6) was created in order to nd the optimum point of results and time, which was measured by the Mean Squared Error (MSE) metric. It was also placed a particular focus on the consideration of ethics, seeking to overcome common problems such as the avoidance of social biases. Data protection legislation such as the GDPR (General Data Protection Regulation) and the AI Act (Arti cial Intelligence Act) are complied with by the use of an anonymized public dataset and by the use of the pseudonymous user IDs with the avoidance of sensitive personal attributes in order to reduce bias. The ultimate goal of this research is to improve purchase probability and overall user satisfaction, providing increased customer loyalty by the use of a more accurate and ethically aware recommendation system. | eng |
| dc.description.abstract | Esta dissertação apresenta um sistema de recomendação personalizado de produtos, pensado para o comércio eletrónico, que tem em conta os sentimentos presentes nas avaliações feitas pelos utilizadores. Normalmente, a maioria dos sistemas de recomendação ignora estes detalhes e sentimentos nos textos escritos pelos utilizadores, baseando-se apenas em classificações numéricas ou em informações demográficas, como o género ou a idade. Isto pode levar a sugestões que não estão totalmente de acordo com os verdadeiros interesses de um comprador ou com a sua reação emocional ao produto. Um utilizador pode, por exemplo, dar uma nota alta, mas ainda assim mostrar insatisfação com algum aspeto, como a durabilidade ou o preço. Este tipo de detalhe perde-se muitas vezes nos métodos tradicionais. Este projeto foi desenvolvido em parceria com a iniciativa Cognitively Smart Assistant in Physical-Digital Environment (CAPE). O CAPE é um projeto conjunto, financiado pelo Fundo Europeu de Desenvolvimento Regional (ERDF), que tem como objetivo transformar o mercado retalhista em três áreas: sustentabilidade, digitalização e evolução das competências. Para preparar este sistema, foi feita uma revisão sistemática da literatura, que serviu como base para conhecer o estado atual dos sistemas de recomendação no comércio eletrónico, incluindo aqueles que usam emoções, Inteligência Artificial (IA) e Processamento de Linguagem Natural (NLP). A revisão centrou-se em perguntas de investigação sobre como as emoções influenciam as recomendações, quais os métodos mais eficazes para segmentar os utilizadores de forma a aumentar as vendas, bem como as limitações e questões éticas destes sistemas. Esta revisão seguiu o protocolo PRISMA. O conjunto de dados escolhido foi o Amazon Electronics, devido à grande variedade de produtos eletrónicos e ao elevado número de avaliações, que se ajustam bem às necessidades do projeto CAPE. Como o conjunto de dados era muito extenso, foi necessário fazer um pré-processamento para melhorar a qualidade e acelerar o treino do modelo. O sistema proposto combina as vantagens do BERT, que aprende o contexto das palavras, com as redes LSTM, que conseguem lidar com sequências de informação ao longo do tempo. Foram criadas várias arquiteturas (V1 a V6) para encontrar o melhor equilíbrio entre resultados e tempo, sendo avaliadas com a métrica Mean Squared Error (MSE). Também foi dada atenção à parte ética, procurando evitar problemas comuns, como os enviesamentos sociais. A legislação de proteção de dados, como o GDPR (Regulamento Geral sobre a Proteção de Dados) e o AI Act (Lei da Inteligência Artificial), é respeitada através da utilização de um conjunto de dados público já anonimizado e de IDs de utilizadores fictícios, sem incluir dados pessoais sensíveis, para reduzir esse enviesamento. O objetivo final desta investigação é aumentar a probabilidade de compra e a satisfação dos utilizadores, promovendo uma maior fidelização dos clientes com um sistema de recomendação mais preciso e consciente em termos éticos. | por |
| dc.identifier.tid | 204032695 | |
| dc.identifier.uri | http://hdl.handle.net/10400.22/30777 | |
| dc.language.iso | eng | |
| dc.rights.uri | N/A | |
| dc.subject | Sentiment Analysis | |
| dc.subject | Recommendation System | |
| dc.subject | E-Commerce | |
| dc.subject | BERT | |
| dc.subject | LSTM | |
| dc.title | Hybrid sentiment-based recommender system for e-commerce | eng |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.name | Mestrado em Engenharia de Inteligência Artificial |