Comentarios sobre A Survey of POI recommendation

El paper nos hace un recuento de cómo se están haciendo las recomendaciones en base a puntos de interés (POI). Este tipo de recomendaciones se puede hacer parecer a las recomendaciones típicas que hacíamos con ítems, solo que hay que considerar otros factores como las distancias, las concentraciones de POI, factores sociales y el gran problema de la esparcicidad, que para estos casos es más grave que antes.

Se habla de que estos problemas pueden dividirse en las siguientes categorias:

• Pure check-in data based POI recommendation approaches.
• Geographical influence enhanced POI recommendation approaches.
• Social influence enhanced POI recommendation approaches.
• Temporal influence enhanced POI recommendation approaches.

Si bien se dan hartas explicaciones de cómo aplican y sus limitantes, no se muestras resultados empíricos.

Demasiados factores

Yo creo que el principal problema de estos approaches, es que cuesta mezclarlos en un recomendador híbrido. Además sería muy costoso ir probando cuáles factores pesan más que los otros.

En este sentido, podría atacarse el problema con Redes Neuronales. No soy experto en el tema, pero creo que con esta cantidad de factores podemos entrenar una red y abstraernos de toda implementación de los algoritmos y heurísticas con sesgos mostradas en el paper. De esta forma los mismos datos podrían modelar el problema y las recomendaciones.