Filtrado colaborativo elemento-elemento vs análisis de la cesta de la compra
Respuestas:
@Antimony dio una respuesta perfecta. Solo quería agregar algo de teoría que me ayudara a comprender la diferencia entre el Filtrado Colaborativo de Ítem-Ítem y el Análisis de la Cesta de Mercado; así como las aplicaciones para estos dos métodos.
La familia de algoritmos utilizados para realizar el análisis de la cesta de la compra se denomina reglas de asociación. El análisis de la cesta de la compra (o las reglas de asociación) y el filtrado colaborativo responden preguntas fundamentalmente diferentes. El filtrado colaborativo puede responder una pregunta: "¿Qué elementos les gustan a los usuarios con intereses similares a los suyos?" (Fig. 1), mientras que las reglas de asociación responden una pregunta "¿Qué elementos aparecen frecuentemente juntos?" La respuesta a la primera pregunta se puede usar para recomendarle productos, videos, restaurantes, hoteles o cualquier otro contenido que no haya visto anteriormente pero que haya sido calificado por un grupo de otros usuarios con intereses similares a los suyos. La similitud de intereses puede estimarse a partir de indicadores explícitos, por ejemplo, usted y un grupo de otros usuarios dieron las mismas calificaciones a los mismos productos, o indicadores implícitos, por ejemplo, usted y ellos compraron los mismos productos. El filtrado colaborativo es ampliamenteutilizado para construir sistemas de recomendación . Sin embargo, el filtrado colaborativo es más efectivo cuando hay un rico historial de preferencias o comportamiento del usuario. Mientras tanto, las reglas de asociación pueden recomendarle productos que probablemente comprará en función de un conjunto de productos que se encuentran actualmente en su cesta (Fig. 2). Por ejemplo, si compra una hamburguesa y papas fritas, probablemente querrá refrescos; o un ejemplo muy famoso, los que compran pañales tienden también a comprar una cerveza. Las reglas de asociación son independientes de los perfiles de preferencias personales y para extraerlos necesita un conjunto de datos de transacciones de todos los usuarios. Las reglas de asociación y el análisis de la canasta de mercado generalmente se usan como una herramienta exploratoria para extraer un número limitado de reglas más comunes que luego pueden ser analizadas por un humano. Sin embargo, las reglas de asociación también se pueden usar para construir sistemas de recomendación .
Fig. 1. La ilustración del filtrado colaborativo. Fuente - Wikipedia
Fig. 2. Una ilustración simple de las reglas de asociación.
Una excelente pregunta! Una diferencia trivial en la que puedo pensar es que el análisis de la canasta de mercado (MB) considera cada canasta por separado. Entonces, si compra las mismas cosas juntas una vez al mes, cada vez constituye una canasta diferente, y probablemente también contenga diferentes artículos cada vez. Sin embargo, el filtrado colaborativo (CF) considera las cestas agregadas por usuario. Entonces, no importa cuántas veces compre cerveza y pañales juntos, todavía cuenta como un voto por cerveza y un voto por pañales.
Las otras diferencias son más técnicas, como qué es lo que mides para cada una. En MB le interesan los valores de apoyo y confianza y en la FQ, le interesan las medidas de similitud, como la similitud del coseno. Esta es una medida simétrica. La similitud entre la cerveza y el pañal es la misma que entre el pañal y la cerveza, pero ese no es el caso del apoyo / la confianza.
En un nivel conceptual, es posible que CF presente más similitudes indirectas, como si compra el artículo 1, y descubre que el artículo 2 se compra junto con él, y también que los artículos 3 y 4 son similares al artículo 2. Luego puede recomendarlos incluso si no se compran junto con el artículo 1, sino también con el artículo 2.