1. Implementación de un sistema de
recomendaciones con PSO
Ignacio Salas Donoso
Profesora Guía: María Cristina Riff
Implementación de un sistema de
1 recomendaciones con PSO -- Ignacio Salas D.

2. Contenido
 Definición del Problema
• Paradoja de la elección
• Comercio Electrónico
 Sistemas de Recomendación
• Basados en filtrado colaborativo
• Basados en contenido
• Basados en Minería de Datos
Social
 PSO
2  PropuestaPSO -- Ignacio Salas D.
Implementación de un sistema de
recomendaciones con

3. Paradoja de la elección
Muchas opciones para una misma necesidad
Elecciones más complejas al aumentar costos
Las experiencias y expectativas definen la elecció
Fuente: http://www.neoteo.com
Implementación
de un sistema de
recomendacione
3 s con PSO --
Ignacio Salas D.

4. Paradoja de la elección
Teoría de la perspectiva
Fuente: “La paradoja de la elección”
4 (Schwartz, 2004)
Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D.

5. Paradoja de la elección
El maximizador
Efectos desafortunados
Tomar una decisión toma más
esfuerzo.
La persona se equivoca regularmente.
Las consecuencias psicológicas
de cometer un error son más
severas.
Implementación de un sistema de
5 Fuente:
recomendaciones con PSO -- Ignacio Salas D.
http://homominimus.co
m

6. Comercio Electrónico
El cliente dispone de más información
La distancia entre la empresa y el cliente dismin
El costo de captación es muy elevado
Personalización masiva (mass customization)
Lealtad a la marca
Implementación de un sistema de
6 recomendaciones con PSO -- Ignacio Salas D. Fuente: http://cuasante.com/

7. Sistemas de Recomendación
Convertir buscadores en compradores
Aumentan las ventas cruzadas
Construyen lealtad y credibilidad
Fuente: http://mercadoynegocios.net
Implementación de un
sistema de
7 recomendaciones con PSO
-- Ignacio Salas D.

8. Sistemas de Recomendación
¿Las personas juegan
Entradas Entradas distintos roles o todos
del usuario de la los usuarios del sistema
objetivo comunidad juegan el mismo rol?
¿Qué preferencias se usan?
Sistema de
Recomendación Salida
¿Cómo las ¿Cómo se presenta la
recomendaciones son información?
realizadas?
Fuente: Creación propia
8 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas
D.

9. Sistemas de Recomendación
Basados en filtrado colaborativo
Se buscan las personas con intereses
similares al usuario objetivo
Fuente: http://hablamosdeweb.blogspot.com
9 Implementación de un sistema de recomendaciones con PSO -- Ignacio
Salas D.

10. Sistemas de Recomendación
Basados en filtrado colaborativo
Coeficiente de correlación de Pearson
(1)
Para calcular el puntaje
(2)
Implementación de un sistema de
10 recomendaciones con PSO -- Ignacio Salas D.

11. Sistemas de Recomendación
Basados en filtrado colaborativo
(Cayzer et al, 2002) usa AIS para hacer
recomendaciones
Se buscan anticuerpos con aciertos cercanos
Se indica a los usuarios objetivo como antígenos
Los demás usuarios son anticuerpos
La predicción se hace usando la formula (2) con
Implementación de un sistema de
11 recomendaciones con PSO -- Ignacio Salas D. http://loshermanos5c.blogspot.com
Fuente:

12. Sistemas de Recomendación
Basados en filtrado colaborativo
(Ujjin et al, 2002) usa GA para hacer
recomendaciones
Fuente: (Ujjin et al, 2002)
Implementación de un sistema de
12 recomendaciones con PSO -- Ignacio Salas D.

13. Sistemas de Recomendación
Basados en Contenido
Aprenden de la retroalimentación con el usuario
También usan las características del objeto
Fuente: http://principiantesmac.com
Implementación de un sistema de
13 recomendaciones con PSO -- Ignacio Salas D.

14. Sistemas de Recomendación
Basados en Contenido
(Mooney et al, 2000) desarrollan LIBRA
Clasificador de texto Bayesiano
Ordena los títulos por preferencia
Implementación de un sistema de
14 Fuente: http://www.artistsvalley.com
recomendaciones con PSO -- Ignacio Salas D.

15. Sistemas de Recomendación
Basados en Contenido
(Debnath et al, 2008) híbrido con filtrado
colaborativo
Se crea una lista ordenada
(3)
Las ponderaciones se calculan por regresión line
(4)
Implementación de un sistema de
15 recomendaciones con PSO -- Ignacio Salas D. Fuente: Creación Propia

16. Sistemas de Recomendación
Basados en Minería de Datos Social
El camino a través del bosque
Kleinberg: autoridades y hubs
Implementación de un
sistema de
16 recomendaciones con PSO
Fuente: http://astruminhomine.blogspot.com/
-- Ignacio Salas D.

17. Sistemas de Recomendación
Basados en Minería de Datos Social
(Amento et al, 2003) implementa el sistema
TopicShop
Fuente: (Amento et al, 2003)
17 Implementación de un sistema de recomendaciones con PSO -- Ignacio
Salas D.

18. PSO
Velocidad
Posición
Desarrollado por
Eberhart y
Kennedy
Fuente :
http://www.yunphoto.net/es/photo
base/yp1328.html
18 Implementación de un sistema de recomendaciones con PSO --
Ignacio Salas D.

19. PSO Compara la posición
actual con la mejor
de la vecindad
Inercia
Compara la posición (5)
actual con la mejor
anterior
Implementación de un sistema de
19 recomendaciones con PSO -- Ignacio Salas D.

20. PSO Caso binario
La velocidad es una probabilidad
Cada componente de la posición es un
entero en {0,1}
(6)
Implementación de un sistema de
20 recomendaciones con PSO -- Ignacio Salas D.

21. PSO
(Ujjin et al, 2003) es la continuación se (Ujjin
et al, 2002)
La velocidad máxima:
(7)
El fitness se calcula restando el voto
predicho y el real
(8)
Luego se promedian los fitness de todos los ítem
Implementación de un sistema de recomendaciones con PSO -- Ignacio
21 Salas D.

22. PSO
(van der Bergh et al, 2001) entrena una red neur
PSO cooperativo
Se usan K enjambres
El valor de un nodo de salida es
calculado
(9)
Se calculan las
ponderaciones wde
Implementación de un sistema
22 recomendaciones con PSO -- Ignacio Salas D. Fuente: http://www.portaleureka.com

23. PSO
(Cui et al, 2005) hace un algoritmo híbrido k-
Means con PSO
Se puede ver el problema de agrupar, como un
problema de optimización
Dos módulos
PSO (explora)
K-Means (explota)
Implementación de un sistema de
23 recomendaciones con PSO -- Ignacio Salas D. Fuente: http://www.mathworks.com/

24. Propuesta
 PSO binario
 Representa un listado de usuarios para
hacer la recomendación
 Elegir los usuarios en virtud de
minimizar la diferencia entre el puntaje
real y el predicho
Implementación de un sistema de
24 recomendaciones con PSO -- Ignacio Salas D.

25. Implementación de un sistema de
25 recomendaciones con PSO -- Ignacio Salas D.

26. Implementación de un sistema de
recomendaciones con PSO
Ignacio Salas Donoso
Profesora Guía: María Cristina Riff
26 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D.

27. Referencias
 Amento, B., Terveen, L., Hill, W., Hix, D., y Schulman, R. 2003. “Experiments
in Social Data Mining: The TopicShop System“, en ACM Transactions on
Computer-Human Interaction, 10, 1, pp 54-85.
 Cayzer, S. y Aickelin, U. 2002. “A Recommender System based on the Immune
Network”. IEEE
 Cui, X., Potok, T.E. y Palathingal, P. 2005. “document clustering using Particle
swarm optimization”. Swarm Intelligence Symposium, SIS 2005.
 Debnath, S., Ganguly, N. y Mitra, P. 2008. “Feature Weighting in Content
Based Recommendation System Using Social Network Analysis”. 17th
international conference on World Wide Web.
 Mooney, R. J., and Roy, L. 2000. “Content-based book recommending using
learning for text categorization”. Fifth ACMConference on Digital Libraries, 195–
204.
 Schwartz, B. 2004. “The paradox of choice: why more is less”. New York:
HarperCollins
 Ujjin, S. y Bentley, P.J. 2002. “Learning User Preferences Using Evolution”. 4°
Asia-Pacific Conference on Simulation Evolution and Learning. Singapur.
 Ujjin, S. y Bentley, P.J. 2003. “Particle Swarm Optimization Recommender
System”. Swarm Intelligence Symposium. IEEE.
27
Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D.
 van der Bergh, F. y Engelbrecht, A.P. 2001. “Training Product Unit Networks