Sistema de recomendación
Un sistema de recomendación , o un sistema de recomendación (a veces reemplazando 'sistema' con un sinónimo como plataforma o motor), es una subclase de sistema de filtrado de información que busca predecir la "calificación" o "preferencia" que un usuario le daría a un elemento. . [1] [2]
Los sistemas de recomendación se utilizan en una variedad de áreas, con ejemplos comúnmente reconocidos que toman la forma de generadores de listas de reproducción para servicios de video y música, recomendadores de productos para tiendas en línea o recomendadores de contenido para plataformas de redes sociales y recomendadores de contenido web abierto. [3] [4] Estos sistemas pueden operar usando una sola entrada, como música, o múltiples entradas dentro y entre plataformas como noticias, libros y consultas de búsqueda. También hay sistemas de recomendación populares para temas específicos como restaurantes y citas en línea . También se han desarrollado sistemas de recomendación para explorar artículos de investigación y expertos, [5] colaboradores, [6] y servicios financieros. [7]
Los sistemas de recomendación generalmente utilizan el filtrado colaborativo y el filtrado basado en el contenido (también conocido como el enfoque basado en la personalidad), [8] así como otros sistemas como los sistemas basados en el conocimiento . Los enfoques de filtrado colaborativo construyen un modelo a partir del comportamiento anterior de un usuario (artículos comprados o seleccionados previamente y/o calificaciones numéricas dadas a esos artículos), así como decisiones similares tomadas por otros usuarios. Luego, este modelo se usa para predecir elementos (o calificaciones de elementos) en los que el usuario puede estar interesado. [9] Los enfoques de filtrado basados en contenido utilizan una serie de características discretas y preetiquetadas de un elemento para recomendar elementos adicionales. con propiedades similares. [10]
Podemos demostrar las diferencias entre el filtrado colaborativo y el filtrado basado en contenido comparando dos sistemas de recomendación de música antiguos: Last.fm y Pandora Radio .
Cada tipo de sistema tiene sus puntos fuertes y débiles. En el ejemplo anterior, Last.fm requiere una gran cantidad de información sobre un usuario para hacer recomendaciones precisas. Este es un ejemplo del problema del arranque en frío y es común en los sistemas de filtrado colaborativo. [11] [12] [13] [14] [15] Si bien Pandora necesita muy poca información para comenzar, tiene un alcance mucho más limitado (por ejemplo, solo puede hacer recomendaciones similares a la semilla original).
Los sistemas de recomendación son una alternativa útil a los algoritmos de búsqueda, ya que ayudan a los usuarios a descubrir elementos que de otro modo no habrían encontrado. Cabe destacar que los sistemas de recomendación a menudo se implementan utilizando motores de búsqueda que indexan datos no tradicionales.
