Sistemas de Recomendação Híbridos e Cientes do Contexto

Sistemas de recomendação híbridos combinam múltiplas estratégias de recomendação para compensar suas fraquezas individuais, e sistemas cientes do contexto adaptam sugestões à situação do usuário.

Definition

Um sistema de recomendação híbrido combina duas ou mais técnicas de recomendação para produzir sugestões melhores do que qualquer método isolado, e um sistema de recomendação ciente do contexto incorpora informações contextuais além das identidades do usuário e do item, como tempo, localização, humor ou companhia, no processo de recomendação.

Scope

Este tópico aborda duas extensões complementares da recomendação básica: sistemas híbridos que integram técnicas baseadas em conteúdo, colaborativas e outras, através de estratégias como ponderação, comutação, combinação de características e cascata; e recomendação ciente do contexto que incorpora fatores contextuais como tempo, localização e dispositivo na previsão. Ele aborda como a combinação e contextualização de sinais melhoram a precisão e a robustez, especialmente contra o problema do 'cold start', enquanto os métodos base e a avaliação são deixados para tópicos adjacentes.

Core questions

• Por que combinar métodos baseados em conteúdo e colaborativos em vez de usar apenas um?
• Que estratégias existem para hibridizar sistemas de recomendação, como ponderação, comutação e cascata?
• Como a adição de contexto, como tempo ou localização, altera as recomendações?
• Como o contexto pode ser modelado como pré-filtragem, pós-filtragem ou modelagem contextual?
• Como os métodos híbridos e cientes do contexto ajudam com o 'cold start' e a robustez?

Key concepts

• recomendação híbrida
• híbridos ponderados e de comutação
• híbridos em cascata e de combinação de características
• recomendação ciente do contexto
• pré-filtragem e pós-filtragem contextual
• modelagem contextual
• mitigação do 'cold start'
• modelos de preferência multidimensionais

Key theories

Estratégias de Hibridização

Os sistemas de recomendação podem ser combinados misturando suas pontuações (ponderadas), escolhendo entre eles por situação (comutação), alimentando a saída de um no outro (cascata ou aumento de características), ou mesclando suas características, com a estratégia certa mitigando as fraquezas de cada componente.

Paradigmas de Recomendação Ciente do Contexto

O contexto pode ser incorporado filtrando dados antes de recomendar (pré-filtragem contextual), ajustando os resultados posteriormente (pós-filtragem), ou modelando o contexto diretamente dentro de um modelo de preferência multidimensional (modelagem contextual).

Clinical relevance

A maioria dos sistemas de recomendação em produção são híbridos, combinando sinais colaborativos, de conteúdo e comportamentais, e adaptando-se a contextos como dispositivo, hora do dia e atividade recente. Essas técnicas melhoram a precisão, lidam com o problema do 'cold start' e adaptam as sugestões ao momento, o que é essencial em serviços móveis e de streaming.

History

A pesquisa de Burke de 2002 sistematizou as estratégias de hibridização, à medida que os pesquisadores reconheceram que nenhuma técnica de recomendação isolada era uniformemente a melhor. A recomendação ciente do contexto desenvolveu-se ao longo dos anos 2000, formalizada por Adomavicius e Tuzhilin, à medida que a computação móvel e ubíqua disponibilizou sinais situacionais. Designs híbridos e cientes do contexto são agora padrão em sistemas implantados.

Key figures

• Robin Burke
• Gediminas Adomavicius
• Alexander Tuzhilin
• Francesco Ricci

Seminal works

• burke2002
• adomavicius2011
• ricci2015

Frequently asked questions

Por que a maioria dos sistemas de recomendação reais são híbridos?

Cada técnica tem suas fraquezas: métodos baseados em conteúdo superespecializam, e métodos colaborativos enfrentam dificuldades com o 'cold start' e a esparsidade. Combiná-los permite que os pontos fortes de um cubram as fraquezas do outro, geralmente resultando em recomendações mais precisas e robustas do que qualquer método isolado.

O que conta como contexto na recomendação ciente do contexto?

Contexto é qualquer informação situacional além das identidades do usuário e do item que afeta as preferências, como tempo, localização, dispositivo, clima ou com quem o usuário está. Incorporá-lo permite que um sistema recomende de forma diferente para, por exemplo, um deslocamento diário durante a semana versus uma noite de fim de semana.