IIC Sistemas Recomendadores

Tamaño: px

Comenzar la demostración a partir de la página:

Download "IIC 3633 - Sistemas Recomendadores"

Nicolás Mariano Márquez Castilla
hace 8 años
Vistas:

1 Ranking & UB-CF IIC Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 19

2 TOC En esta clase 1. Definición y un poco de Historia 2. Ranking No Personalizado 3. User-Based Collaborative Filtering 4. Referencias 2/19 Page 2 of 19

3 Definición Recommender Systems aim to help a user or a group of users in a system to select items from a crowded item or information space. (MacNee et. al 2006) R. Burke tenía su propia definición, similar a esta, pero agregaba...in a personalized way. El problema de recomendación formalizado (Adomavicius et al. 2007) c C, = argmax u(c, s) s c s S u : C S R, funcion de utilidad R : conjunto recomendado de items C : conjunto de usuarios S : conjunto de items 3/19 Page 3 of 19

..in a personalized way. El problema de recomendación formalizado (Adomavicius et al.

4 1. Un Poco de Historia 4/19 Page 4 of 19

5 1.1 En 1992 Xerox PARC Tapestry Link to PDF file 5/19 Page 5 of 19

6 1.2 MovieLens 6/19 Page 6 of 19

7 NetFlix Prize ( ) 7/19 Page 7 of 19

8 1.3 Netflix en 2012 Link to Amatriain /19 Page 8 of 19

9 1.3 Netflix en 2012 (continuación) 9/19 Page 9 of 19

10 Ranking no personalizado (Blog de Evan Miller, 2009) 1. Popularidad. 2. Score: (Ratings Positivos) - (Ratings Negativos) 3. Score: (Rating Promedio) = (Ratings Positivos)/(Total de Ratings) 4. Score: Considerando Ratings positivos y negativos, Limite inferior del Intervalo de Confianza del Wilson Score, para un parámetro Bernoulli. pˆ z α/2 (1 α/2) n α Donde es la proporción (estimada) de ratings positivos, es el cuantil de la distribución normal, y el número de ratings., también llamado nivel de significancia estadístico, generalmente se considera 95%. 10/19 Page 10 of 19

Score: Considerando Ratings positivos y negativos, Limite inferior del Intervalo de Confianza del Wilson Score, para un parámetro Bernoulli.

11 Clasificacion(es) 1. Considerando los Datos usados 1. Basado en Reglas (Rule-based) 2. Basado en Contenido (Content-based) 3. Filtrado Colaborativo (el usuario y sus vecinos) 2. Considerando el Modelo 1. Memory-based (KNN) 2. Model-based (Representación latente) 11/19 Page 11 of 19

Filtrado Colaborativo (el usuario y sus vecinos) 2.

12 Filtrado Colaborativo basado en el usuario Dos tareas son necesarias: KNN: Encontrar los K vecinos más cercanos (KNN) al usuario a: a j Predecir el rating que un usuario dará a un ítem : Similaridad(a, i) = w(a, i), i K n p a,j = vˉa + α w(a, i)( v ) i,j vˉi i=1 12/19 Page 12 of 19

Predecir el rating que un usuario dará a un ítem : Similaridad(a, i) =

13 Ejemplo: Correlación de Pearson 13/19 Page 13 of 19

14 Ejemplo: Correlación de Pearson SOLUCION 14/19 Page 14 of 19

15 Ejemplo: Correlación de Pearson 15/19 Page 15 of 19

16 Ejemplo Paso 2: Predicción del rating 16/19 Page 16 of 19

17 Ejemplo Paso 2: Predicción del rating SOLUCION 17/19 Page 17 of 19

18 Ejemplo Paso 2: Predicción del rating 18/19 Page 18 of 19

19 Referencias Adomavicius, G., & Tuzhilin, A. (2005). Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. Knowledge and Data Engineering, IEEE Transactions on, 17(6), Amatriain, X. (2013). Mining large streams of user data for personalized recommendations. ACM SIGKDD Explorations Newsletter, 14(2), Miller, B. N., Albert, I., Lam, S. K., Konstan, J. A., & Riedl, J. (2003, January). MovieLens unplugged: experiences with an occasionally connected recommender system. In Proceedings of the 8th international conference on Intelligent user interfaces (pp ). ACM. Parra, D., & Sahebi, S. (2013). Recommender systems: Sources of knowledge and evaluation metrics. In Advanced Techniques in Web Intelligence-2 (pp ). Springer Berlin Heidelberg. 19/19 Page 19 of 19

Documentos relacionados

IIC 3633 - Sistemas Recomendadores

Recomendador Slope One IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 16 TOC En esta clase 1. Resumen últimas clases 2. Control de lectura próxima semana y