Comentarios sobre Sources of Knowledge and Evaluation Metrics
Aug 28, 2016 · 2 minute read · Commentsrecsys
El paper de Denis Parra (me pregunto quién será él) y Shaghayegh Sahebi es una especie de handbook para empezar a entender a los sistemas recomendadores.
El fin último de un sistema de este estilo es entregarle al usuario lo que necesita sin tener que preguntárselo.
Los tres principales tipos de sistemas recomendadores son:
Basados en reglas
Por lo general las reglas son definidas a mano y requieren que el usuario personalmente (y parcialmente) diga qué le gusta.
Esto en el mejor caso, cuando el usuario se anima a entregar su información.
Basado en contenido
Otra alternativa son los recomendadores en base al contenido de los ítems calificados.
Sin embargo estos pueden meter al usuario en una burbuja y siempre mostrarle lo mismo. Sin mencionar lo difícil que puede ser representar estos ítems a través de features.
En base a la colaboración
Consisten en buscar usuarios “semejantes” para recomendar las cosas que a ellos les gustan.
Lamentablemente estos no suelen escalar, existe el problema de la esparcicidad de los datos y los ítems nuevos pueden pasar ignorados.
Como en toda área del conocimiento, existe la opción de mezclar estas ideas en un sistema de recomendación híbrido.
Fuentes
Por otra parte, hay que considerar las fuentes de información.
Están los ratings, el feedback implícito, las etiquetas y las redes sociales.
Un tema que quizás se habla poco es la invasión a la privacidad al momento de obtener feedback implícito. Todos aceptamos la política de privacidad de las aplicaciones sin cuestionarlas, no obstante esto expone mucho a la gente y su libertad.
Serán buenas fuentes de información, pero a nadie le gusta que lo estén constantemente mirando en todo lo que hace. Además, si el usuario común supiera esto transparentemente, quizás “actuaría” distinto.