Recomanació basada en el contingut

Un sistema de recomanació basat en el contingut (en anglès content-based approach) és aquell que es basa en les característiques dels elements dels 'objectes' a recomanar, és a dir, les recomanacions es duen a terme basant-se en la comparació entre les característiques dels elements avaluats anteriorment i el perfil de l'usuari. Per tant, la idea és recomanar elements semblants en el contingut a objectes ja avaluats i que, en conseqüència, ja sabem que és del gust de l'usuari), realitza recomanacions segons el contingut i no valoracions subjectives com poden ser les opinions, S'explica per ell mateix, No hi ha dispersió, Sobre-especialització: (la recomanació es limita a elements semblants als que ja ha recomanat, és a dir, la col·lecció està esbiaixada a un gènere concret, per tant, quan un usuari desitgi un tipus d'elements nous tindrà problemes, ja que no ho podrà mesurar amb la semblança), Dificultat en dominis d'anàlisi complicat com l'àudio o el vídeo (ja que els descriptors d'àudio i els descriptors visuals, entre altres, són difícils de calcular), Problemàtica per als usuaris nous, ja que fins que no han valorat un nombre mínim d'elements no poden obtenir bones recomanacions; En el cas que es comparin dos objectes, la subjectivitat no es té en compte a l'hora de realitzar recomanacions, ja que no es disposa d'informació de l'usuari.

Esquema d'un sistema de recomanació basat en el contingut entre objecte i perfil d'usuari.

Funcionament

El funcionament dels recomanadors basats en els continguts es basa en dos passos:

1. Analitzar les descripcions dels productes valorats pels usuaris
2. Predir quins productes els poden agradar

Selecció de la informació

Perfil d'usuari

Els usuaris que utilitzaran el sistema se'ls associarà un perfil d'usuari específic que contindrà la informació principal, és a dir, les preferències i la informació personal. En gran part el funcionament del recomanador dependrà de la informació descriptiva que s'utilitzi en el perfil que es pot obtenir de manera implícita o explícita.

Atributs dels objectes

La informació dels objectes a recomanar és necessària per poder-la comparar amb els requeriments del perfil de l'usuari o entre els atributs dels objectes. Aquesta la podem dividir en dos grans grups:

• Conjunt de característiques associades a cada producte (informació estructurada).
• Informació textual sobre el producte (informació no estructurada).

Molts sistemes treballen només basant-se en la informació del conjunt de característiques dels objectes. Així doncs, acostumen a ser de gran utilitat per a la recomanació de documents o pàgines web, on el càlcul de la semblança entre objectes dona resultats satisfactoris.

Algorisme de predicció

L'algorisme de predicció d'aquest tipus de recomanadors es basa en el càlcul de la semblança i la diversitat dels elements recomanats.

Càlcul de la semblança

Algorisme del càlcul de la semblança per a la llista de recomanacions

La semblança de dos objectes o elements l'obtenim seguint els següents passos:

• Combinar el resultat obtingut a partir de la distància euclidiana o cartesiana entre els elements del contingut del perfil de l'usuari i els del contingut, en l'espai euclidià.

$d={\sqrt {\frac {\sum _{i=1}^{n}[1-(a_{i}-c_{i})^{2}]*a_{i}}{\sum _{i=1}^{n}a_{i}}}}$

On a_i és l'element del perfil de l'usuari i c_i és el valor d'un element del contingut que es compara.

• Càlcul de les coincidències entre descriptors de contingut i les preferències d'usuari, només en el cas de disposar d'informació opcional en els atributs de l'usuari que no siguin elements.

$b={\sum _{i=1}^{n}P_{i}*N_{i}}$

On P_i és el pes del descriptor 'i' respecte la informació del perfil i N_i és el nombre de coincidències entre ells. P_i normalitzat en el rang [0,1].

Si combinem les dues fórmules donades anteriorment obtenim que la similitud és:

$Similitud={w*d+(1-w)*b}$

On w reparteix el pes entre els dos punts anteriors. A més a més, quan la similitud és pròxima a 1 l'objecte és d'interès per l'usuari, mentre que si és pròxim a 0 no ho és.

Diversitat dels elements recomanats

Només amb el càlcul de la semblança s'obtenen resultats poc variats, s'utilitza una combinació de la similitud amb la diversitat del conjunt recomanat.

Bibliografia

• Measuring learner's performance in e-learning recommender systems Arxivat 2016-03-03 a Wayback Machine. (anglès)
• Diapositives sobre sistemes de recomanació (castellà)
• Projecte final de carrera de la Universitat de Jaén (castellà)
• Recomendación de objetos de aprendizaje (castellà)
• Sistema de recomendación personalizada de contenido vídeo (castellà)
• Methodology to obtain the user's human values scale from smart user models, J.Guzmán, I.S.B.N. 978-84-691-5832-6. (anglès)
• decsai.ugr.es/~lci/proceedings-pdf/compumat07.pdf (anglès)
• Intelligent Software Lab. (anglès)
• NTT Tecnichal Review (anglès)
• Content-Based Instruction (anglès)
• Medwell Journals (anglès)