Minimización del rango de una matriz aplicado en la optimización de un sistema de recomendación de productos

Abstract

Un sistema de recomendación (SR) es una herramienta software de mercadeo focalizado que relaciona a un usuario con los productos de su mayor interés. Amazon.com, TripAdvisor y Netflix son algunos ejemplos. Un SR predice el nivel de preferencia de un usuario hacia un producto con un puntaje en una escala de valoración. Estos puntajes son calculados mediante algoritmos que procesan datos del comportamiento de compra y características de los usuarios. Por ejemplo, la reducción dimensional es un enfoque que calcula una estructura latente para caracterizar el comportamiento de un usuario. Particularmente, la teoría de completar matrices se basa en la minimización del rango de una matriz de interacción usuario-producto para determinar tal estructura. Esta metodología es una de las más precisas y exactas. Por lo anterior, en este proyecto de grado se implementó un algoritmo bajo la metodología de completar matrices para mejorar el rendimiento de un sistema de recomendación de restaurantes. El algoritmo propuesto denominado DeMBaR subdivide la matriz de interacción en pequeña sub-matrices para estimar los puntajes. Los experimentos realizados muestran un incremento porcentual de hasta 5 % en la métrica de precisión y de hasta 53% para la métrica de exhaustividad respecto al enfoque semántico.