¿Que son los Sistemas de Recomendación?
DEF: Un sistema de recomendación es un sistema inteligente que proporciona a los usuarios una serie de sugerencias personalizadas (recomendaciones) sobre un determinado tipo de elementos (items). Los sistemas de recomendación estudian las características de cada usuario y mediante un procesamiento de los datos, encuentra un subconjunto de items que pueden resultar de interés para el usuario.
En los últimos años y debido principalmente a la sobre carga de información que tenemos en internet, han proliferado los sistemas de recomendación, los cuales proporcionan a los usuarios, información, productos, etc que puedan ser del interés del usuario, tras realizar un "estudio" de su perfil, sus gusto e incluso de la forma en la que el usuario navega por internet.
Sin entrar mucho en detalle y a poco que naveguemos por internet, podemos poner algunos ejemplos de webs que detrás suyo tienen sistemas de recomendación. Es quizás la web de "Amazon" la que tiene el sistema de recomendación más conocido por todo el mundo ya que una vez que el usuario se da de alta en su web, registra la navegación que hace el usuario por sus productos y sus compras. Con estos datos es capaz de ofrecer al usuario productos que le puedan interesar y que no sea el usuario el que se ponga a mirar los miles de productos que tiene Amazon. Otra web mas que conocida con un sistema de recomendación es YouTube. Esta web registra los últimos vídeos vistos por un usuario y recomienda video similares, basándose seguramente en el contenido o en los "tags" característicos de los vídeos. Por ejemplo si en YouTube estas viendo el "gol de Messi", que marco al Real Madrid, es muy probable (por no decir que seguro) que YouTube te va a poner al lado los video de los goles de Messi o algún video relacionado con el Real Madrid.
Hasta el momento, los ejemplos que hemos puesto, son de webs que obtienen información implícita (es decir, información obtenida por el comportamiento del usuario) para recomendar, bien sean productos o vídeos a los usuarios. Pero, ¿No seria mejor que el usuario valorase los productos o los vídeos (o los items en general) para poder recomendarle mejor?. Pues bien, esta pregunta es una pregunta muy lógica y que seguro que muchos os habéis hecho; y la respuesta es que los mejores sistemas de recomendación que existen son aquellos que basan sus recomendaciones en función de la información que el usuario proporciona al sistema sobre sus gustos (es decir, información explícita). Una de las páginas webs con uno de los mejores sistemas de recomendación que hay es "filmaffinity.com". Esta web es una web que recomienda películas (y lo hace muy bien), pero claro, tienes que votar las películas que ya has visto para que el sistema recomendador te pueda recomendar. Este sistema recomendador se basa en ver tus votaciones; ver que usuarios han votado más o menos lo mismo que tu y después te recomendará lo que a usuarios con gustos similares a uno mismo les han gustado. Esta es la mejor forma de realizar recomendaciones ya que (salvo que seas un ti@ muy muy rar@) seguro que alguno hay que tenga gustos similares a ti.
Con los ejemplos que hemos visto hasta ahora (Amazon, YouTube, Filmaffinity), podemos observar que existen diferente formas de realizar recomendaciones, en función de la navegación o compras de los usuarios o en función de lo que el usuario vote. A parte (y como es evidente) sabiendo las características de los usuarios (edad, sexo, profesión, etc.) también se podrían realizar recomendaciones en función de sus características como por ejemplo recomendar "tal producto" a hombres de entre 30 y 35 años o a mujeres de entre 18 a 25 años etc. Por tanto y con los ejemplos puesto, podemos pasar ya a clasificar los Sistemas de Recomendación, que se clasifican en 4 tipos:
- SR con Filtrado basado en Contenido: (ejm: YouTube) Las recomendaciones se basan en el conocimiento que se tiene sobre los items que el usuario ha valorado (ya sea de forma implícita o explícita), y se le recomendarán items similares que le puedan gustar o interesar.
- SR con Filtrado Demográfico: Estas recomendaciones se realizan en función de las características de los usuarios (edad, sexo, situación geográfica, profesión, etc).
- SR basado en Filtrado Colaborativo: (ejm: Filmaffinity) El filtrado colaborativo consiste en ver que usuarios son similares al usuario activo (o usuario al que hay que realizarle las recomendaciones) y a continuación,recomendar aquellos items que no han sido votados por el usuario activo y que han resultado bien valorados por los usuarios similares.
- SR con métodos de Filtrado Híbrido: (ejm: Amazon) Mezclan alguno de los tres filtrados mencionados anteriormente para realizar recomendaciones e incluso lo combinan con alguna otra técnica de inteligencia artificial como pueda ser la lógica borrosa o la computación evolutiva.
Hasta aquí hemos visto una pequeña introducción de lo que son los sistemas de recomendación y los hemos clasificado, poniendo algunos ejemplos conocidos por muchos como es el caso de Amazon y YouTube. En siguientes entradas veremos diferentes técnicas utilizadas para recomendar como la del LSI o LDA para el Filtrado Basado en Contenido y las técnicas de los K-Vecinos y el SVD para el Filtrado Colaborativo. Sobre el Filtrado Demográfico no se va ha hablar ya que es un tipo de filtrado muy evidente que se consigue haciendo "Matching" con las características de los usuarios y de los items.
Muy buena ayuda para tomar en cuenta en nuestras decisiones basadas fundamentalmente en datos (cualitativos o cuantitativos) me gustaría saber especificamente, si se aplica un programa específico para el análisis de datos ¿es estadístico? Soy docente y qiuero motivar R y su interfaz RStudio a la juventud ecuatoriano a fin de realizar scripts que realizen modelacion estadistica para la buena toma de deciones. Crear algo como ESTADISMATICA R = Estadística- Informática con R para la modelación estadística y ayudar a tomar buenas deciones y construir una sociedad menos explotada por el deconocimiento de estas ciencias, gracias de antemano y esperare su respuesta.
Hola Richard,
ante todo quería felicitarte por tu blog y la forma tan sencilla y clara con la que explicas cosas que en principio no son tan fáciles de explicar. He leído mucho acerca de estos sistema y es la primera vez que retengo conceptos en la primera lectura. Y digo que he leído mucho porque se me ha ocurrido una funcionalidad en una herramienta que estoy desarrollando donde estos sistemas pueden ayudar al usuario. Lo que pasa es que no tengo muy claro cómo puedo aplicar estos conceptos a mi funcionalidad y que sistema de los que expones es el mas adecuado.
Se trata de un sistema de recomendación de taxonomía o naming. Explicado en pocas palabras, el usuario debe dar de alta unas campañas en el sistema, pero estos nombres deben atender a una taxonomía específica dependiendo para qué cliente sea. Mi idea era que a medida que los usuarios introdujesen los nombres de la campaña, el sistema fuer aprendiendo y al cabo del tiempo recomendar un naming u otro.
Es posible aplicar estos sistemas de recomendaciones a mi caso?
Gracias de antemano.
Es basado en analisis de datos. y si se puede aplicar en apps moviles.
Buenas tardes de antemano agradecerles por el aporte sobre los sistemas de recomendación y así mismo me permito preguntarles si esta “metodología” se podría implementarse para un proyecto de ingeniería que tenga como resultado una aplicación móvil.
Buen día, muy buena la información una pregunta, los sistemas de recomendación utilizan algún tipo de probabilidad o estadistic
Hola Ivan.
Si que existen algunos métodos como el PMF en filtrado colaborativo y el LDA y pLSI en filtrado basado en contenido que utilizan distribuciones de probabilidad, pero para utilizar estos métodos requieren tener unos conocimientos «relativamente» avanzados tanto de sistemas de recomendación como de algebra y estadística. Si quieres saber más sobre estas técnica busca en los artículos de investigación ya que en otro lado dudo que encuentres nada sobre ellas porque que son relativamente complejas.
SL2
Han sintetizado muy bien lo que son los sistemas de recomendación, me gustaría saber dónde puedo encontrar más información sobre el tema.
Hola Roilan.
Nose decirte donde encontrar más información sobre los sistemas de recomendación. Yo lo aprendí todo en una asignatura que di en el Master de investigación que hice y de leer papers sobre sistema de recomendación. De todas formas en breve abrirán en la web de «Coursera» un curso sobre sistemas de recomendación, pero en ingles.
SL2