Filtrado colaborativo
La idea central
Si dos usuarios coinciden en muchos ítems valorados, es probable que coincidan en otros. Recomendar se reduce a encontrar vecinos similares y propagar sus preferencias.
La matriz usuario-ítem
- Filas usuarios, columnas ítems, celdas valoraciones o interacciones.
- Es enormemente dispersa: cada usuario conoce una gota del catálogo.
- La escasez es el gran reto a domar.
Similitud entre usuarios
Basado en vecinos: se mide cuánto se parecen dos usuarios con coseno o correlación y se promedian las valoraciones de los más afines para predecir la tuya.
Similitud entre ítems
En vez de usuarios parecidos, se buscan ítems covalorados juntos. «Quien compró X también compró Y» es la variante item-item, más estable ante usuarios nuevos.
Medidas de similitud
El coseno compara direcciones ignorando magnitudes; la correlación centra las medias. Elegirlas bien importa, pues usuarios con escalas distintas engañan a medidas ingenuas.
Vecinos y ponderación
- Se toman los k vecinos más parecidos, no todos.
- Cada vecino pesa según su similitud, no por igual.
- k pequeño es ruidoso; k grande diluye la especificidad.
El arranque en frío
Un usuario o ítem nuevo no tiene historial con el que calcular similitud. Es el talón de Aquiles del método puro, que ciega ante lo desconocido.
Frecuentistas frente a populares
La similitud simple sobrevalora ítems muy populares. Conviene regular o ponderar por rareza para no recomendar siempre los éxitos de masas.
Límites del enfoque
Sufre con matrices muy dispersas, dominios estrechos y burbujas de filtros. Aun así, su elegancia y buen rendimiento lo hicieron durante años el motor de los recomendadores.
Errores frecuentes
- Recomendar siempre lo popular confundiendo similitud con frecuencia y enterrando la cola larga.
- Ignorar el arranque en frío y dejar sin sugerencias a usuarios o ítems recién llegados.
- Usar todas las valoraciones en vez de los k vecinos más parecidos, diluyendo la señal con ruido.
Ejemplo resuelto: recomendar con vecinos
Quieres sugerir películas a partir de un histórico de valoraciones:
- Construyes la matriz usuario-ítem con las notas conocidas.
- Mides la similitud entre usuarios con coseno sobre sus valoraciones.
- Eliges los k vecinos más parecidos al usuario objetivo.
- Promedias ponderado por similitud sus valoraciones de cada película.
- Recomiendas las de predicción más alta que el usuario aún no vio.
¿Para qué sirve en la realidad?
El «a los que te gustó X también les gustó Y» de tiendas y plataformas de streaming nace del filtrado colaborativo: sin entender el contenido, la sabiduría colectiva de las valoraciones hace el trabajo.
El filtrado colaborativo basado en vecinos recomienda un ítem a un usuario principalmente porque:
El filtrado colaborativo puro puede recomendar sin problema un ítem recién publicado sin ninguna interacción.
Colaborativo
Ordena el funcionamiento del filtrado colaborativo por vecinos:
Matriz
Similitud
Vecinos
Predecir
Filtrado colaborativo
Recomendación basada en el comportamiento de la comunidad.
Une cada término del filtrado colaborativo con su idea.
Dime con quién coincides
# Filtrado colaborativo ## Usuarios ### vecinos afines ### coseno o correlacion ## Ítems ### covalorados juntos ### item-item estable ## Datos ### matriz dispersa ### muchos huecos ## Límites ### arranque en frio ### burbuja de filtro
Vecinos más cercanos
La búsqueda de similitud que alimenta el método basado en vecinos.
Llega un usuario completamente nuevo a tu plataforma. ¿Puede el filtrado colaborativo puro recomendarle? Razona y propone cómo suavizar ese arranque en frío.