A hybrid recommendation framework for real estate based on geographic information and big data

• Grant number: 16/00202-0
• Support Opportunities: Scholarships in Brazil - Innovative Research in Small Business - PIPE
• Start date: February 01, 2016
• End date: October 31, 2016
• Field of knowledge: Physical Sciences and Mathematics - Computer Science - Computing Methodologies and Techniques
• Principal Investigator: Paulo Scarpelini Neto
• Grantee: Paulo Scarpelini Neto
• Company: Enterup Tecnologia em Sistemas Ltda - ME
• Associated research grant: 15/08191-5 - A hybrid recommendation framework for real estate based on geographic information and big data, AP.PIPE

Abstract

A criação de um sistema de recomendação voltado ao setor imobiliário consiste em uma oportunidade interessante, contudo as técnicas existentes para sugestão de produtos não atendem de maneira satisfatória as especificidades desse mercado - isso porque a precificação, a oferta e a procura de imóveis são características afetadas diretamente pela localização geográfica dos empreendimentos. Dessa forma, a construção de um sistema de recomendação que atenda a esse mercado inclui dois desafios principais: 1) elaboração de uma estratégia inovadora de recomendação que leve em consideração a localização geográfica dos imóveis; 2) criação de um framework de recomendação híbrido que combine as estratégias convencionais com a estratégia espacial a ser desenvolvida. O presente projeto compõe o estudo de viabilidade técnica para criação de um sistema de recomendação para o setor imobiliário e foca-se no item 2) mencionado acima, ou seja, elaboração, implementação e validação das estratégias de combinação de sugestões que comporão o framework. Nesse contexto, o principal desafio a ser superado consiste em criar um ambiente onde é possível gerar listas de recomendação baseadas na junção entre dois ou mais algoritmos. O framework a ser desenvolvido permite a combinação entre algoritmos existentes, como é o caso dos algoritmos baseados nas abordagens colaborativa e demográfica e, além disso, permite a inclusão do algoritmo baseado na abordagem espacial - vale ressaltar que o algoritmo espacial é parte constituinte do projeto principal e será desenvolvido por outro bolsista. (AU)