Contenido

Introducción

Sistemas de recomendación: definición, historia, taxonomía y contexto. Filtrado, priorización, recomendación y personalización de documentos y/o productos. Ejemplos y posibles aplicaciones. Desafíos: escalabilidad, esparcidad de ratings, problema de cold-start y latencia, transparencia y explicación. Enfoques de construcción: basado en contenido, colaborativo e híbridos.

Recomendación basada en Contenido

Construcción y adaptación de modelos de usuario basados en contenido. Análisis y representación de documentos. Pre-procesamiento de texto, reducción de dimensionalidad, modelo de espacio de vectores, métricas de similitud y ranking de documentos. Técnicas de clasificación de documentos. Algoritmos de aprendizaje aplicados a documentos: naïve Bayes, k-NN, árboles de decisión, Rocchio y otros.

Recomendación basada en Memoria

Métodos de filtrado colaborativo: demográfico, estereotipos, centrado en usuarios y/o en ítems, enfoques híbridos. Filtrado centrado en usuarios: comparación de perfiles, identificación de vecinos y predicción. Filtrado centrado en ítems: coeficientes de correlación, similitud y predicción. Técnicas de selección de instancias y reducción de dimensionalidad para recomendación. Ratings explícitos e implícitos: elicitación de ratings y otras contribuciones del feedback. Explicación de recomendación y aspectos de comunicación hombre-máquina.

Recomendación basada en Modelos

Enfoques basados en reglas. Aprendizaje de modelos: reglas de asociación, redes Bayesianas, neural networks y otros. Clustering de usuarios/items. Algoritmos basados en particionamiento, jerárquicos y conceptuales. Modelos de factores latentes. Recomendación sensitiva de contexto.

Predicción de Enlaces

Recomendación en redes sociales. Problemas de recomendación de amigos y seguidos. Análisis de redes sociales y de redes de co-citaciones. Métricas de similitud en grafos: índices locales y globales. Medidas basadas en vecinos, caminos y caminatas aleatorias. Algoritmos de ranking: PageRank, HITS, SALSA y variaciones. Detección de comunidades.

Evaluación Empírica

Evaluación empírica de sistemas adaptativos y de recomendación: simulación de usuarios y otras metodologías. Métricas de evaluación en sistemas de recomendación: efectividad, esparcidad, feedback de usuarios, cobertura, tasa de aprendizaje, novedosidad, CROC análisis y otras. Estrategias de evaluación: adaptaciones de holdout y cross-validation. Colecciones de evaluación estándar para filtrado colaborativo.

Bibliografía