Modelos de recomendación basados en redes bayesianas

• Autores: Miguel A. Rueda-Morales
• Directores de la Tesis: Juan Francisco Huete Guadix (dir. tes.)
• Lectura: En la Universidad de Granada ( España ) en 2011
• Idioma: español
• ISBN: 9788469510650
• Número de páginas: 11
• Tribunal Calificador de la Tesis: Luis Miguel de Campos Ibáñez (presid.) , Juan Manuel Fernández Luna (secret.) , M. Julia Flores (voc.) , Fidel Cacheda (voc.) , Pablo Castells Azpilicueta (voc.)
• Enlaces
  • Tesis en acceso abierto en: DIGIBUG
• Resumen

  • Nuestro trabajo intenta adaptar las soluciones encontradas en Recuperación de Información estructurada a los dominios de aplicación concretos de los SR (librerías, viajes, inmobiliarias, etc.). El objetivo principal es utilizar el formalismo de las Redes Bayesianas para intentar modelar las relaciones entre usuarios y productos.

    Las distintas problemáticas de los SR que se han abordado en esta memoria se pueden clasificar en: 1) Sistemas Híbridos: Nuestro trabajo da comienzo con el diseño de un modelo híbrido que realiza sus recomendaciones a partir de la mezcla de aquellas dadas por la componente colaborativa y por la basada en contenido.

    2) Recomendación para grupos (colaborativo): Nuestro segundo paso fue centrarnos en la recomendación a grupos de usuarios. Nuestro objetivo consistió en modelar algunos de los comportamientos que se pueden dar dentro de un grupo de usuarios (mayoría, máximo, mínimo y media) mediante una red bayesiana, y analizar cómo estos modelos se pueden integrar dentro de un SR Colaborativo capaz de ofrecer recomendaciones a un grupo de personas.

    3) Sistemas Colaborativos: Tras las distintas experimentaciones realizadas, nos topamos con uno de los problemas más comunes en los sistemas colaborativos: la dispersión en los conjuntos de datos. Este problema consiste en que la información disponible (evaluaciones de productos) es bastante pequeña en relación a la potencial cantidad de información que podría existir (si todos los usuarios hubiesen evaluado todos los productos). Esto nos llevó a experimentar sobre un SR individual con distintas técnicas para tratar de mejorar el rendimiento del sistema, incrementando la información disponible.

    4) La filosofía colaborativa hace que la recomendación para un usuario se haga usando la información de los usuarios más cercanos a él (su vecindario). En este trabajo nos planteamos encontrar otras métricas que nos permitan mejorar la selección del vecindario. En esta memoria presentamos lo que denominamos las "probabilidades predictivas'', que se basa en la suposición de que si un usuario es bueno para predecir los votos que ya se han realizado, lo será para los votos que se realicen en el futuro.