Implementación de un sistema de recomendaciones con PSO - Final
Upcoming SlideShare
Loading in...5
×
 

Implementación de un sistema de recomendaciones con PSO - Final

on

  • 414 views

Examen de Título: Implementación de un sistema de recomendación con PSO (Particle swarm optimization).

Examen de Título: Implementación de un sistema de recomendación con PSO (Particle swarm optimization).

Statistics

Views

Total Views
414
Views on SlideShare
414
Embed Views
0

Actions

Likes
0
Downloads
9
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Implementación de un sistema de recomendaciones con PSO - Final Implementación de un sistema de recomendaciones con PSO - Final Presentation Transcript

  • Implementación de un sistema de recomendaciones con PSO Ignacio Salas DonosoProfesora Guía: María Cristina RiffProfesora Co-referente: Elizabeth Montero Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 1
  • Contenido• Problema: Paradoja de la Elección• Sistema de Recomendación Basado en PSO• Experimentos y Resultados• Conclusiones Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 2
  • Problema: Paradoja de la elección Necesito fideos :( Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 3
  • Problema: Paradoja de la elecciónMuchas opciones para una misma necesidadElecciones más complejas al aumentar costosLas experiencias y expectativas definen la elección Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 4
  • Paradoja de la elecciónTeoría de la Perspectiva 5 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D.
  • Paradoja de la elecciónEl Maximizador Busca y acepta sólo lo mejor Tienden a estar menos satisfechos con las elecciones que toman “El remordimiento del comprador”Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 6
  • Comercio ElectrónicoEs en donde más se nota “La paradoja de la elección”El cliente dispone de más informaciónEl costo de captación es muy elevadoLealtad a la marcaImplementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 7
  • Sistema de Recomendación Basado en PSOTipos de Sistemas de Recomendación Basado en Contenido Minería de Datos Social Basado en Filtrado Colaborativo Ítem Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 8
  • Sistema de Recomendación Basado en PSO Sistema de Recomendación Basado en Filtrado Colaborativo Se buscan personas con intereses similares al usuario objetivo Serendipia Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 9
  • Sistema de Recomendación Basado en PSO Sistema de Recomendación Basado en Filtrado Colaborativo Problemas Alto esparcimiento de los datos El problema del primer voto Malos resultados cuando no hay un vecindario Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 10
  • Sistema de Recomendación Basado en PSO ¿Qué se quiere lograr? Enriqueciendo la información personal del usuario Se busca tener buenos Mejorar la calidad de resultados, aún cuando no haya la recomendación una vecindad adecuada El componente clave, es la función de estimación del voto Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 11
  • Sistema de Recomendación Basado en PSO Función de estimación del voto de Breese Experiencia Voto personal del Experiencia de la Vecindad estimado Usuario Correlación de Pearson Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 12
  • Sistema de Recomendación Basado en PSONueva función de estimación del voto Se enriquece la experiencia del usuario Ofrecer un soporte cuando no haya una vecindad adecuada Experiencia personal del Usuario Lograr capturar la diversidad de apreciaciones del usuario Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 13
  • Sistema de Recomendación Basado en PSONueva función de estimación del voto Dar diferentes importancias a la experiencia personal y grupal Experiencia Experiencia de la personal del Usuario VS Vecindad Reconocer qué información Acotar la diversidad influye más para cada usuario para cada usuario Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 14
  • Sistema de Recomendación Basado en PSONueva función de estimación del voto Se puede ver como un problema de Experiencia personal del Usuario optimización Desviación Promedio de Voto Estándar de Experiencia de la votos delestimado los votos del Vecindad usuario Usuario Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 15
  • Sistema de Recomendación Basado en PSOPSO: Optimización por Enjambre de Partículas Mejor Posición Personal VelocidadRequiere de pocosparámetros PosiciónSe puede implementar enpoco tiempoPuede manejar varias Mejor Posiciónsoluciones a la vez Grupal Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 16
  • Sistema de Recomendación Basado en PSOPSO: Algoritmo Mientras no se alcance la cantidad de iteraciones Para cada partícula Actualizar posición y velocidad Calcular pBest Calcular gBest partículaPSO: Representación Posición Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 17
  • Sistema de Recomendación Basado en PSO Dinámica de partículas de Algoritmo PSO Velocidad Velocidad Experiencia Experiencia Nueva Actual personal grupal Posición Velocidad Posición Vector de 2 Nueva Nueva Actual dimensiones, que contiene los valores de k0 y k1 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 18
  • Sistema de Recomendación Basado en PSO Dinámica de partículas Ítems evaluados por el usuario objetivoExperiencia personal Grupo de Entrenamiento Grupo de ValidaciónExperiencia grupal Grupo de Prueba Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 19
  • Sistema de Recomendación Basado en PSO Fitness Fitness Voto Voto real parcial estimado Fitness Cantidad de Fitness parcial ítems El óptimo es 0 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 20
  • Sistema de Recomendación Basado en PSO Algoritmo PSO Para cada usuario Mientras no se alcance la cantidad de iteraciones Para cada partícula Actualizar posición y velocidad Calcular pBest Calcular gBest partícula Almacenar factores k0 y k1 para el usuario, obtenidos del gBest Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 21
  • Experimentos y Resultados Casos de PruebaBook Crossing ISBN ISBN278.858 usuarios ID U1 •Voto 1 … •Voto n … … … …271.379 libros ISBN ISBN ID Um •Voto 1 … •Voto n1.149.780 votos de77.837 usuarios Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 22
  • Experimentos y Resultados Experimento 2: Contraste entreExperimento 1: Prueba de Generalización resultados de la función de Breese y la propuesta Grupo 1: Usuarios que han evaluado más de 300 ítems Grupo 2: Usuarios que han evaluado entre 100 y 200 ítems Grupo 3: Usuarios que han evaluado entre 50 y 150 ítems Cada grupo tiene 50 usuarios elegidos al azar Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 23
  • Experimentos y Resultados Promedios de Fitness de los Promedios de Fitness de los Usuarios de cada Grupo en el Usuarios de cada Grupo en el Experimento 1 Experimento 2 0.9 0.9 0.8 Grupo de 0.8 Entrenami 0.7 Función de ento 0.7 (Breese et al.Promedio de Fitness 0.6 1998) Promedio de Fitness Grupo de 0.6 Validación 0.5 0.5 0.4 Grupo de 0.4 0.3 Prueba Función de 0.3 esta 0.2 Memoria 0.2 0.1 0.1 0 0 Grupo 1 Grupo 2 Grupo 3 Grupo 1 Grupo 2 Grupo 3 Diferencias medias entre el voto real y el estimado Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 24
  • Experimentos y Resultados Comparación de cantidad de usuarios para k0 y k1 Grupo 1 Grupo 2 Grupo 3 K0 > K1 K0 < K1 K0 > K1 K0 < K1 K0 > K1 K0 < K1 43% 42% 44%57% 58% 56% Se observa una mayor importancia de la experiencia grupal, pero la personal no lo es menos Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 25
  • Experimentos y Resultados Factores k0 y k1 de 25 usuarios del grupo 31.61.41.2 10.80.6 K0 K10.40.2 0-0.2-0.4-0.6 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 26
  • Conclusiones Rendimiento de PSO Pudo encontrar buenas combinaciones de k0 y k1, para Tiempo de Ejecución Tiempo de 140 Ejecución cada usuario 120 100 En el grupo 1 se obtuvieron losMinutos 80 60 mejores resultados 40 20 0 Se pudieron encontrar soluciones 1 2 3 Grupo cercanas al óptimo, desde 15 Grupo no homogéneo minutos para 50 usuarios Procesador: AMD Turion II P520 Dual-Core 2.30GHz Memoria RAM: 3 GB Tipo de Sistema Operativo: Windows 7 Home Premium, 64 bits Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 27
  • Conclusiones La desviación estándar mostró ser relevante para mejorar la calidad de la recomendación Los factores k0 y k1 pudieron capturar las prioridades de cada usuario y mejorar los resultadosEl modelo resultante, logró aprovechar mejor la información Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 28
  • Implementación de un sistema de recomendaciones con PSO Ignacio Salas DonosoProfesora Guía: María Cristina RiffProfesora Co-referente: Elizabeth Montero Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas 29 D.
  • Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 30
  • Diapositivas ExtraImplementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 31
  • Especificación de cómo se calculó pBest y gBest Grupo de Entrenamiento Grupo de Validación pBest gBest Fitness Voto Voto real parcial estimado Fitness Cantidad de Fitness parcial ítems Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 32
  • Coeficiente de Correlación de Pearson Voto del usuario a por Voto el ítem i promedio del usuario a Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 33
  • Sistemas de Recomendación Basados en Filtrado Colaborativo 1. Asignar un peso a todos los 0.1 usuarios con respecto a la similitud 0.2 con el usuario activo. 0.8 0.7 2. Seleccionar los k usuarios más parecidos al usuario activo 0.9 1.0 3. Calcular una predicción desde 0.1 una combinación ponderada de los puntajes de la vecindad0.7 0.8 0.9 1.0 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 34
  • Experimentos y Resultados Promedios de Fitness de los Usuarios de cada Grupo en el Experimento 1 0.9 0.8 Grupo de 0.7 EntrenamientoPromedio de Fitness 0.6 Grupo de Validación 0.5 0.4 Grupo de Prueba 0.3 0.2 0.1 0 Grupo 1 Grupo 2 Grupo 3 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 35
  • Experimentos y Resultados Promedios de Fitness de los Usuarios de cada Grupo en el Experimento 2 0.9 0.8 0.7 Función de (Breese et al. 1998)Promedio de Fitness 0.6 0.5 0.4 0.3 Función de esta Memoria 0.2 0.1 0 Grupo 1 Grupo 2 Grupo 3 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 36
  • Experimentos y Resultados Valores de K0 y K1 Grupo 1 43.5 32.5 21.5 K0 1 K10.5 0-0.5 -1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 Usuarios Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 37
  • Experimentos y Resultados Valores de K0 y K1 Grupo 24.5 43.5 32.5 21.5 K0 K1 10.5 0-0.5 -1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 Usuarios Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 38
  • Experimentos y Resultados Valores de K0 y K1 para el Grupo 31.61.41.2 10.80.6 K00.4 K10.2 0-0.2-0.4-0.6 1 2 3 4 5 6 7 8 9 1011121314151617181920212223242526272829303132333435363738394041424344454647484950 Usuarios Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 39
  • Sistema de Recomendación Basado en PSOPSO: Optimización por Enjambre de PartículasPartícula Posición Velocidad Velocidad Mejor Posición Personal (pBest) Posición Mejor Posición Global (gBest)Fuente : http://www.yunphoto.net/es/photobase/yp1328.html Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D. 40