DATA MINING FOR RANKING COOKING RECIPES

Resumo

Geralmente, pesquisas culinárias são realizadas com conhecimentos prévios sobre a receita, entretanto a busca a partir de ingredientes torna-se uma necessidade para que o usuário possua mais opções que ele desconhece, mas que estão de acordo com o que está ao seu alcance. Este trabalho visa descrever o processo de desenvolvimento de uma aplicação no modelo PWA (Progressive Web App), que sugere receitas ranqueadas por relevância a partir dos ingredientes informados. A mineração de dados é um método utilizado para explorar grandes quantidades de dados e extrair informações, e no contexto deste trabalho, será utilizada para obtenção e classificação de receitas extraídas de sites culinários. Foram utilizadas as metodologias Scrum e Lean Inception, juntamente com  o Kanban através da ferramenta Trello que foi escolhida para gerenciamento do projeto, que permite a visualização do fluxo e status das atividades, além da atribuição de responsabilidades e prazos. Foram utilizadas as tecnologias C# e .NET Core para a programação back-end, Typescript Next JS React para Front-end, Node JS para o crawler e MongoDB (NoSQL) para o banco de dados. Os elementos produzidos durante o processo foram: documentos de gerenciamento do projeto (tal como o PM Canva e modelo de desenvolvimento), artefatos de modelagem e definição do produto (como a prototipação e definição da persona), algoritmo de web mining, e o desenvolvimento do MVP (Minimum Viable Product) que foi disponibilizado no endereço web “https://chelf.app” com cerca de 500 receitas disponíveis para pesquisa imediata. Durante o desenvolvimento do projeto, foi possível observar diversos padrões e sinistros que foram analisados para melhorar a qualidade do produto final. Dentre eles, foi observado que no processo de mineração de dados houve a necessidade de filtrar receitas mais relevantes para a comunidade, tendo em vista a qualidade da escrita e do conteúdo obtido.