Abstract. This work presents an alternative approach (Genetic Algorithms approach) to traditional treatment of Recommender Systems (RSs). The work examines genetic algorithms possibilities to offer adaptive characteristics to these systems trough learning. The main goal, in addition to give a general view about RSs capabilities and possibilities, it is to provide a new example mechanism for to extend RSs learning capabilities (from user's personal characteristics), with the purpose of improve the effectiveness at time of to find recommendations and appropriate suggestions for particular individuals.Keywords: Recommender Systems, Genetic Algorithms, User-Adapted Interaction. IntroductionUsually in Internet, that is the main source of information for people that search answers and solutions for many situations, we use search engines typing key words, being too much the employed time for this task without finding the expected results. One alternative is to use Recommender Systems (RSs) [19,26,3] that offer to users an approach with their preferences, which are capable of suggesting the acquisition of any product. These systems filter the information, being classified in two main categories, depending on the information that use to suggest items. Those that only use information on the items and information with respect to objective user are call "Content Based" where the types, needs and inclinations of the users are determined in design time [9]. Alternative there are systems that do not use information on the items, but they do the suggestion using the known preferences of a group of users to predict the strangers preferences of a new user, the recommendations for this new user are based on these predictions [24]. This category is named "Collaborative Filtering" (CF).
El crecimiento de Internet ha sido increíblemente acelerado, hay cantidades ingentes de datos casi sobre cualquier tópico, lo que hace de Internet la fuente más completa de información para casi todo. Sin embargo, hay más cantidad de artículos, libros, películas, programas de televisión, entre otras cosas, de los que las personas podemos manejar efectivamente, con lo cual hay una sobrecarga de información hacia los usuarios finales. El tiempo que se necesita para hacer una búsqueda sobre el conjunto total de tópicos es demasiado, y los proceso de búsqueda tradicionales pueden ser infructíferos la mayoría de las veces o con resultados poco exitosos.Los SR tratan de ser un paso adelante en el contexto de la recuperación de información tradicional, que se da por palabra claves del tópico que se desea encontrar a través de los bien conocidos motores de búsqueda (Google, Lycos y Altavista entre otros). Como su nombre nos lo indica los SR se encargan de recomendar o sugerir a los usuarios ítems o productos concretos basándose en sus preferencias, son usados por sitios web de comercio electrónico como herramientas de mercadeo para incrementar ventas al presentar al usuario aquellos productos que desea (o desearía) comprar, es así como se construye una base de entendimiento de necesidades concretas respecto a lo que gusta o no a los clientes, lo cual puede verse como reflejado en un incremento de la lealtad de los clientes. La gran mayoría de los SR trabajan con enfoques de filtrado colaborativo, en términos simples, por filtrado colaborativo se entiende al método de hacer predicciones automáticas (filtrado) acerca de los intereses de un usuario, colectando información sobre los gustos de varios usuarios (colaboración). Por ejemplo, un filtrado colaborativo o sistema de recomendaciones para gustos musicales puede hacer predicciones acerca de qué música debería desear un usuario, dada una lista parcial de gustos de otros usuarios.El enfoque tratado en este artículo utiliza a los algoritmos genéticos como afinadores en el proceso de concordancia de perfiles dentro de un SR, adecuando finalmente estos a las preferencias individuales, lo que redunda en una mayor precisión del SR a la hora de predecir qué gusta o no a un usuario específico. Este trabajo se enfoca primordialmente en la capacidad de predicción, obtenida mediante el aprendizaje de los pesos, que se logra con el Algoritmo Genético (AG).El artículo se organiza de la siguiente forma: la sección 2 muestra una RESUMENEl presente trabajo abarca un enfoque alternativo, desde los algoritmos evolutivos, a la manera tradicional en que se abordan los sistemas recomendadores (SR de aquí en adelante). Se examinan las posibilidades de los algoritmos genéticos para brindar características adaptativas a estos sistemas. Nuestro objetivo, además de proporcionar una panorámica informativa general sobre las posibilidades y potencialidades de los SR, es proveer mecanismos para que los SR sean capaces de aprender características personales desde los usuarios, con miras a mejorar la...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.