Sistemas de recomendación híbridos y conscientes del contexto
Los sistemas de recomendación híbridos combinan múltiples estrategias de recomendación para compensar sus debilidades individuales, y los sistemas conscientes del contexto adaptan las sugerencias a la situación del usuario.
Definition
Un sistema de recomendación híbrido combina dos o más técnicas de recomendación para producir mejores sugerencias que cualquier método individual, y un sistema de recomendación consciente del contexto incorpora información contextual más allá de las identidades del usuario y del ítem, como el tiempo, la ubicación, el estado de ánimo o la compañía, en el proceso de recomendación.
Scope
Este tema abarca dos extensiones complementarias de la recomendación básica: los sistemas híbridos que integran técnicas basadas en contenido, colaborativas y otras mediante estrategias como la ponderación, la conmutación, la combinación de características y la cascada; y la recomendación consciente del contexto que incorpora factores contextuales como el tiempo, la ubicación y el dispositivo en la predicción. Aborda cómo la combinación y contextualización de señales mejora la precisión y la robustez, especialmente contra el arranque en frío, dejando los métodos base y la evaluación a temas adyacentes.
Core questions
- ¿Por qué combinar métodos basados en contenido y colaborativos en lugar de usar uno solo?
- ¿Qué estrategias existen para hibridar los sistemas de recomendación, como la ponderación, la conmutación y la cascada?
- ¿Cómo cambia la adición de contexto, como el tiempo o la ubicación, las recomendaciones?
- ¿Cómo se puede modelar el contexto como prefiltrado, postfiltrado o modelado contextual?
- ¿Cómo ayudan los métodos híbridos y conscientes del contexto con el arranque en frío y la robustez?
Key concepts
- recomendación híbrida
- híbridos ponderados y de conmutación
- híbridos en cascada y de combinación de características
- recomendación consciente del contexto
- prefiltrado y postfiltrado contextual
- modelado contextual
- mitigación del arranque en frío
- modelos de preferencia multidimensionales
Key theories
- Estrategias de hibridación
- Los sistemas de recomendación se pueden combinar mezclando sus puntuaciones (ponderadas), eligiendo entre ellos según la situación (conmutación), alimentando la salida de uno en otro (cascada o aumento de características), o fusionando sus características, con la estrategia correcta mitigando las debilidades de cada componente.
- Paradigmas de recomendación consciente del contexto
- El contexto se puede incorporar filtrando datos antes de recomendar (prefiltrado contextual), ajustando los resultados después (postfiltrado), o modelando el contexto directamente dentro de un modelo de preferencia multidimensional (modelado contextual).
Clinical relevance
La mayoría de los sistemas de recomendación en producción son híbridos, mezclando señales colaborativas, de contenido y de comportamiento, y adaptándose al contexto como el dispositivo, la hora del día y la actividad reciente. Estas técnicas mejoran la precisión, manejan el arranque en frío y adaptan las sugerencias al momento, lo cual es esencial en servicios móviles y de streaming.
History
La encuesta de Burke de 2002 sistematizó las estrategias de hibridación a medida que los investigadores reconocieron que ninguna técnica de recomendación individual era uniformemente la mejor. La recomendación consciente del contexto se desarrolló a lo largo de la década de 2000, formalizada por Adomavicius y Tuzhilin, a medida que la computación móvil y ubicua hizo que las señales situacionales estuvieran disponibles. Los diseños híbridos y conscientes del contexto son ahora estándar en los sistemas implementados.
Key figures
- Robin Burke
- Gediminas Adomavicius
- Alexander Tuzhilin
- Francesco Ricci
Related topics
Seminal works
- burke2002
- adomavicius2011
- ricci2015
Frequently asked questions
- ¿Por qué la mayoría de los sistemas de recomendación reales son híbridos?
- Cada técnica tiene debilidades: los métodos basados en contenido se especializan demasiado, y los métodos colaborativos tienen dificultades con el arranque en frío y la escasez. Combinarlos permite que las fortalezas de uno cubran las debilidades del otro, lo que generalmente produce recomendaciones más precisas y robustas que cualquier método individual.
- ¿Qué se considera contexto en la recomendación consciente del contexto?
- El contexto es cualquier información situacional más allá de las identidades del usuario y del ítem que afecta las preferencias, como el tiempo, la ubicación, el dispositivo, el clima o con quién está el usuario. Incorporarlo permite que un sistema recomiende de manera diferente para, por ejemplo, un viaje diario entre semana versus una noche de fin de semana.