Com a nova era digital, nota-se que a troca de informação é praticamente instantânea, tornando cada vez mais imprevisível o padrão de comportamento dos clientes. Desta forma, os sistemas de recomendação são fortemente utilizados no mundo, pois entender o cliente e ofertar experiências cada vez mais relevantes faz-se necessário. Com isso, surge a demanda de se criar um algoritmo eficiente que lide corretamente com os novos comportamentos de consumo. Uma maneira de direcionar efetivamente os produtos e serviços das empresas é o sistema de recomendação, que ajuda a melhorar o potencial de consumo e com isso a receita. Estes são também interessantes para o cliente, pois eles apresentam possibilidades baseadas em seus interesses, diminuindo assim o número de objetos indesejados a serem ofertados. Uma forma eficiente de se construir um sistema é encontrando os padrões de consumo dos clientes e desse modo identificar os interesses corretos de cada consumidor. Um conjunto com usuários e objetos, onde cada usuário coleta/compra um certo objeto, é o necessário para se criar um sistema de recomendação. A teoria de redes complexas pode ser utilizada para descrever e modelar tais sistemas. Em particular, para sistemas de recomendação é comum utilizar projeções de redes bipartidas para resolver o problema. Nessa dissertação, serão abordadas formas de recomendação de produtos utilizando uma projeções assimétrica. Com a criação de um sistema de recomendação com a projeção de rede bipartida é possível comparar o método com outras formas de recomendação, como uma recomendação aleatória e a regra de associação. Quando o sistema é testado em momentos distintos é possível verificar que as recomendações feitas através da projeção possuem uma acurácia melhor que os outros sistemas.

In this digital era, information exchange time is seen as almost instantaneous, which in turn makes the behavior patterns relatively unpredictable. This way, recommending systems are being more and more used in business to provide a better understanding of each customer and offer each one of them a more relevant experience. There is a demand, then, for an algorithm that can deal correctly with the new consumer patterns. A new way to effectively direct products and services from companies to customers is to utilize a system, which helps to improve upselling and income. These systems are also interesting from a customer perspective, as they present possibilities based on previous interests, diminishing the suggestion of unwanted objects. Efficient systems identify consuming patterns and make a suggestion based on them for each customer individually. A set of users and objects, where each user collects / buys a given object, is a recommendation system. Complex networks theory can be used to describe and model such systems. In particular, for recommending systems it is common to utilize bipartite networks to solve this problem. In this work, recommending products using bipartite networks will be studied and applied. After desiging and implementing a recommending system using projections on a bipartite network, it is possible to compare this method with other types of recommenders, such as random recommenders and association rule When the system is tested in distinct moments, it is verifiable that the recommendations made using bipartite network projections have a better accuracy than the others.