Recomendación basada en contenido
La recomendación basada en contenido sugiere elementos cuyas características se asemejan a las de elementos que un usuario ha valorado previamente, construyendo un perfil de los intereses del usuario a partir del contenido del elemento.
Definition
La recomendación basada en contenido predice el interés de un usuario en un elemento comparando las características de contenido del elemento con un perfil de las preferencias del usuario inferidas de los elementos con los que ha interactuado previamente, recomendando los elementos más similares al perfil.
Scope
Este tema abarca la recomendación que se basa en descripciones de elementos y en un perfil de usuario aprendido: representando los elementos por sus características de contenido, construyendo perfiles de usuario a partir de elementos calificados o consumidos, y haciendo coincidir los perfiles con los elementos candidatos utilizando similitud o aprendizaje supervisado. Aborda la estrecha relación con la recuperación de información, donde el perfil del usuario actúa como una consulta permanente, y las fortalezas y limitaciones características, como la sobreespecialización. Excluye los métodos colaborativos que utilizan el comportamiento de otros usuarios.
Core questions
- ¿Cómo se representan los elementos mediante características de contenido para la recomendación?
- ¿Cómo se construye un perfil de usuario a partir de los elementos que le han gustado a un usuario?
- ¿Cómo se puntúan los elementos candidatos en relación con el perfil del usuario?
- ¿Cómo se relaciona la recomendación basada en contenido con la recuperación y el filtrado de información?
- ¿Por qué la recomendación basada en contenido tiende a la sobreespecialización?
Key concepts
- características de contenido del elemento
- perfil de usuario
- perfiles de tf-idf y palabras clave
- similitud perfil-elemento
- aprendizaje supervisado de preferencias
- sobreespecialización
- explicabilidad de las recomendaciones
- manejo de elementos nuevos
Key theories
- Coincidencia de perfil como consulta
- Al representar los elementos con características de contenido y al usuario con un perfil agregado a partir de los elementos que le han gustado, la recomendación basada en contenido se reduce a una coincidencia de similitud al estilo de la recuperación, donde el perfil funciona como una consulta persistente contra el catálogo de elementos.
- Fortalezas y sobreespecialización
- Los métodos basados en contenido pueden recomendar elementos nuevos y de nicho y explicar las sugerencias por características, pero debido a que solo muestran elementos similares al historial del usuario, corren el riesgo de un conjunto estrecho y sobreespecializado que carece de serendipia.
Clinical relevance
La recomendación basada en contenido impulsa las sugerencias de artículos, productos, música y videos donde las descripciones de los elementos son ricas, y maneja bien los elementos nuevos porque no depende de las calificaciones de otros. Se combina ampliamente con métodos colaborativos para compensar las debilidades de cada enfoque.
History
La recomendación basada en contenido surgió directamente del filtrado y la recuperación de información en la década de 1990, tratando un perfil de usuario como una consulta de larga duración. La visión general de Pazzani y Billsus y la posterior encuesta de vanguardia de Lops y sus colegas consolidaron las técnicas de representación y aprendizaje de perfiles, y el enfoque sigue siendo un componente estándar, especialmente dentro de los sistemas híbridos.
Key figures
- Michael Pazzani
- Daniel Billsus
- Pasquale Lops
- Giovanni Semeraro
Related topics
Seminal works
- pazzani2007
- lops2011
Frequently asked questions
- ¿Cómo se relaciona la recomendación basada en contenido con la recuperación de información?
- Muy estrechamente: el perfil de usuario desempeña el papel de una consulta, los elementos desempeñan el papel de documentos, y recomendar los mejores elementos es esencialmente clasificar documentos por similitud con la consulta. Muchos métodos basados en contenido reutilizan representaciones de recuperación como tf-idf y similitud coseno.
- ¿Qué es la sobreespecialización en la recomendación basada en contenido?
- Debido a que el método solo recomienda elementos similares a los que ya le gustaron a un usuario, puede seguir sugiriendo duplicados cercanos y perderse elementos novedosos o sorprendentes que el usuario podría disfrutar. Esta falta de serendipia es una razón clave por la que los métodos basados en contenido a menudo se combinan con el filtrado colaborativo.