¿Qué son los sistemas de recomendación?
Los sistemas de recomendación responden a la necesidad de organizar una gran cantidad de información relevante para un usuario o grupo de usuarios, en donde esta organización se entrega en forma de ranking de importancia.
¿Cómo se decide que es más relevante?
La relevancia de un contenido sobre otro se basa principalmente en la búsqueda de patrones comportamiento, que frente a situaciones similares se busca identificar cual fueron los contenidos consumidos. Este problema tiene como característica principal que los items se encuentran distribuidos de manera "dispersa".
El primer enfoque que se vio en clases corresponde al filtrado colaborativo basado en el usuario, donde una de las técnicas es KNN.
Esta técnica busca generar clusters de similitud entre usuarios, permitiendo predecir en base al comportamiento de los pares del cluster.
Sin embargo, esta técnica tiene problemas, ya que si bien a mayor cantidad de clusters es posible generar mejores predicciones, el costo computacional involucrado también aumenta considerablemente.
Además no responde de manera adecuada cuando existen usuarios con pocos elementos consumidos o existen elementos que nunca han sido consumidos.
Los sistemas de recomendación responden a la necesidad de organizar una gran cantidad de información relevante para un usuario o grupo de usuarios, en donde esta organización se entrega en forma de ranking de importancia.
¿Cómo se decide que es más relevante?
La relevancia de un contenido sobre otro se basa principalmente en la búsqueda de patrones comportamiento, que frente a situaciones similares se busca identificar cual fueron los contenidos consumidos. Este problema tiene como característica principal que los items se encuentran distribuidos de manera "dispersa".
El primer enfoque que se vio en clases corresponde al filtrado colaborativo basado en el usuario, donde una de las técnicas es KNN.
Esta técnica busca generar clusters de similitud entre usuarios, permitiendo predecir en base al comportamiento de los pares del cluster.
Sin embargo, esta técnica tiene problemas, ya que si bien a mayor cantidad de clusters es posible generar mejores predicciones, el costo computacional involucrado también aumenta considerablemente.
Además no responde de manera adecuada cuando existen usuarios con pocos elementos consumidos o existen elementos que nunca han sido consumidos.
Comentarios
Publicar un comentario