• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Implementación de un Sistema de recomendaciones con PSO (estado del arte)
 

Implementación de un Sistema de recomendaciones con PSO (estado del arte)

on

  • 750 views

 

Statistics

Views

Total Views
750
Views on SlideShare
750
Embed Views
0

Actions

Likes
0
Downloads
16
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 (estado del arte) Implementación de un Sistema de recomendaciones con PSO (estado del arte) Presentation Transcript

    • Implementación de un sistema de recomendaciones con PSO Ignacio Salas Donoso Profesora Guía: María Cristina Riff Implementación de un sistema de1 recomendaciones con PSO -- Ignacio Salas D.
    • 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  PSO2  PropuestaPSO -- Ignacio Salas D. Implementación de un sistema de recomendaciones con
    • Paradoja de la elección Muchas opciones para una misma necesidad Elecciones más complejas al aumentar costos Las experiencias y expectativas definen la eleccióFuente: http://www.neoteo.com Implementación de un sistema de recomendacione 3 s con PSO -- Ignacio Salas D.
    • 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.
    • 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 de5 Fuente: recomendaciones con PSO -- Ignacio Salas D. http://homominimus.co m
    • 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 de6 recomendaciones con PSO -- Ignacio Salas D. Fuente: http://cuasante.com/
    • Sistemas de Recomendación Convertir buscadores en compradores Aumentan las ventas cruzadas Construyen lealtad y credibilidad Fuente: http://mercadoynegocios.net Implementación de un sistema de7 recomendaciones con PSO -- Ignacio Salas D.
    • 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 larecomendaciones son información?realizadas? Fuente: Creación propia8 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D.
    • Sistemas de Recomendación Basados en filtrado colaborativo Se buscan las personas con intereses similares al usuario objetivo Fuente: http://hablamosdeweb.blogspot.com9 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D.
    • Sistemas de Recomendación Basados en filtrado colaborativo Coeficiente de correlación de Pearson (1) Para calcular el puntaje (2) Implementación de un sistema de10 recomendaciones con PSO -- Ignacio Salas D.
    • 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 de11 recomendaciones con PSO -- Ignacio Salas D. http://loshermanos5c.blogspot.com Fuente:
    • 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 de12 recomendaciones con PSO -- Ignacio Salas D.
    • 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 de13 recomendaciones con PSO -- Ignacio Salas D.
    • 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 de14 Fuente: http://www.artistsvalley.com recomendaciones con PSO -- Ignacio Salas D.
    • 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 de15 recomendaciones con PSO -- Ignacio Salas D. Fuente: Creación Propia
    • Sistemas de Recomendación Basados en Minería de Datos Social El camino a través del bosque Kleinberg: autoridades y hubs Implementación de un sistema de16 recomendaciones con PSO Fuente: http://astruminhomine.blogspot.com/ -- Ignacio Salas D.
    • 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.
    • PSO Velocidad PosiciónDesarrollado porEberhart yKennedy Fuente : http://www.yunphoto.net/es/photo base/yp1328.html18 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D.
    • 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 de19 recomendaciones con PSO -- Ignacio Salas D.
    • PSO Caso binario La velocidad es una probabilidad Cada componente de la posición es un entero en {0,1} (6) Implementación de un sistema de20 recomendaciones con PSO -- Ignacio Salas D.
    • 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 -- Ignacio21 Salas D.
    • 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 sistema22 recomendaciones con PSO -- Ignacio Salas D. Fuente: http://www.portaleureka.com
    • 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 de23 recomendaciones con PSO -- Ignacio Salas D. Fuente: http://www.mathworks.com/
    • 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 de24 recomendaciones con PSO -- Ignacio Salas D.
    • Implementación de un sistema de25 recomendaciones con PSO -- Ignacio Salas D.
    • Implementación de un sistema de recomendaciones con PSO Ignacio Salas Donoso Profesora Guía: María Cristina Riff26 Implementación de un sistema de recomendaciones con PSO -- Ignacio Salas D.
    • 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