Introducción a sistema de recomendaciones
Los sistema de recomendaciones deben su existencia a que existe una gran variedad de productos y servicios que abruman a los consumidores. En este escenario, la decision de que producto comprar supera el poder cognitivo de los seres humanos, este fenómeno es llamado "paradox of choice" por los psycologos cognitivos. Por lo tanto, estos sistema facilitan la toma decision porque mediante el análisis de la información entregan un recomendacion depurada para el consumidor con productos o servicios que satisfacerán en mayor proporción sus necesidades.
MacNee (2006) define el concepto de la siguiente forma:
"Recommender Systems aim to help a user or a group of users to select items from a crowded item or information space. (MacNee et. al 2006)."Dentro del area, el ejemplo más citado es el famoso premio de 1.000.000 de dolares de netflix al mejor sistema recomendación colaborativo . El concurso finalizo en 2009 y el equipo ganador entro un modelo que que mejoraba el actual algoritmo en un 10%. Lo curioso de este concurso fue que Netflix nunca ocupo el algoritmo ganador debido a alto costo de implementación y por cambio de datos ha ocupar en sus futuros algoritmos. Más sobre este dato en este link.
Actualmente existen varias metodologías para hacer un sistema de recomendación. A continuación se lista los modelos que se describirán en este blog.
Tipos de Sistemas de Recomendación
- Ranking no personalizado
- Rule-Based
- Filtrado Colaborativo
- Por Usuarios
- Por items
- Content-Based
- Híbridos
- Maquinas de Factorización