Hogar Finanzas personales Conceptos básicos de los filtros colaborativos basados ​​en el usuario en el análisis predictivo - dummies

Conceptos básicos de los filtros colaborativos basados ​​en el usuario en el análisis predictivo - dummies

Video: Las REDES SOCIALES como HERRAMIENTA DE MARKETING Y FIDELIZACIÓN (conferencia completa) 2025

Video: Las REDES SOCIALES como HERRAMIENTA DE MARKETING Y FIDELIZACIÓN (conferencia completa) 2025
Anonim

Con un enfoque basado en el usuario para el filtrado colaborativo en análisis predictivo, el sistema puede calcular la similitud entre pares de usuarios utilizando la fórmula de similitud del coseno, una técnica muy similar al enfoque basado en elementos. Habitualmente, dichos cálculos tardan más en realizarse y es posible que deban computarse con más frecuencia que los que se utilizan en el enfoque basado en elementos. Eso es porque

  • Tendría muchos más usuarios que ítems (idealmente de todos modos).

  • Esperaría que los artículos cambien con menos frecuencia que los usuarios.

  • Con más usuarios y menos cambios en los artículos ofrecidos, puede usar muchos más atributos además del historial de compras al calcular la similitud del usuario.

Un sistema basado en el usuario también puede usar algoritmos de aprendizaje automático para agrupar a todos los usuarios que han demostrado que tienen los mismos gustos. El sistema construye vecindarios de usuarios que tienen perfiles, patrones de compra o patrones de calificación similares. Si una persona en un barrio compra y le gusta un artículo, el sistema de recomendación puede recomendar ese artículo a todos los demás en el vecindario.

Al igual que con el filtrado colaborativo basado en elementos, el enfoque basado en el usuario requiere datos suficientes para que cada usuario sea efectivo. Antes de que el sistema pueda hacer recomendaciones, debe crear un perfil de usuario, por lo que también requiere que el usuario cree una cuenta y que inicie sesión (o almacene la información de la sesión en el navegador mediante cookies) mientras visualiza un sitio web.

Inicialmente, el sistema puede solicitar explícitamente al usuario que cree un perfil, desarrolle el perfil haciendo preguntas y luego optimice sus sugerencias una vez que los datos de compra del usuario se hayan acumulado.

Netflix es un ejemplo de creación rápida de un perfil para cada cliente. Este es el procedimiento general:

  1. Netflix invita a sus clientes a configurar colas de las películas que les gustaría ver.

  2. Las películas elegidas se analizan para conocer los gustos del cliente en las películas.

  3. El modelo predictivo recomienda más películas para que el cliente las mire, basándose en las películas que ya están en la cola.

Una matriz de muestra de clientes y sus artículos comprados: es un ejemplo de filtrado colaborativo basado en el usuario. Para simplificar, use una regla que establezca que un barrio de usuarios se crea a partir de usuarios que compraron al menos dos cosas en común.

Cliente Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo 5 Artículo 6
A - N1 X X > X B - N1
X X C - N2
X X D - N2
X X X > E - N1 X
X F - N1 X
X X X G - N1 X
X > H - N3 X I - N3
X Hay tres barrios de usuarios formados: N1, N2 y N3.Cada usuario en los vecindarios N1 y N2 ha comprado al menos 2 artículos en común con alguien más en el mismo vecindario. N3 son usuarios que aún no han cumplido los criterios y no recibirán recomendaciones hasta que compren otros artículos para cumplir con los criterios.
Aquí hay un ejemplo de cómo podría usar este sistema de recomendación: Sin conexión

a través de una campaña de marketing por correo electrónico o si el usuario está en el sitio web mientras está conectado. El sistema podría enviar avisos publicitarios o hacer recomendaciones en el sitio web de la siguiente manera:

Artículo 3 al Cliente B

Artículo 4 al Cliente C Artículo 1 al Cliente E

  • Artículo 3 al Cliente F

  • Artículo 2 al Cliente G

  • Indeterminado artículo para Clientes A y D

  • Lo ideal es que tenga muchos más artículos que seis. Y siempre debe haber algunos artículos en el vecindario de un cliente que el cliente aún no haya comprado.

  • Elemento no determinado para clientes H e I

  • En este caso, no hay datos suficientes para servir como base de una recomendación.

    Una diferencia muy importante es que dado que cada cliente pertenece a un grupo, cualquier compra futura que haga un miembro se recomendará a los demás miembros del grupo hasta que el filtro se recapacite. Entonces, los clientes A y D comenzarán a recibir recomendaciones muy rápidamente ya que pertenecen a un vecindario y seguramente los otros vecinos comprarán algo pronto.

  • Por ejemplo: si el Cliente B compra el Artículo 6, el sistema de recomendación recomendará el elemento 6 a todos en N1 (Cliente A, B, E, F y G).

    El Cliente F puede pertenecer potencialmente al vecindario N1 o N2 dependiendo de cómo se implemente el algoritmo de filtrado colaborativo.

Los clientes H e I proporcionan ejemplos del problema de inicio en frío

:

El cliente simplemente no ha generado suficientes datos para agruparse en un barrio de usuarios. En ausencia de un perfil de usuario, un nuevo cliente con muy poco o ningún historial de compras, o que solo compra artículos oscuros, siempre presentará el problema de arranque en frío al sistema, independientemente del enfoque de filtrado colaborativo que esté en uso.

Cliente I ilustra un aspecto del problema de arranque en frío que es exclusivo del enfoque basado en el usuario. El enfoque basado en ítems comenzaría a encontrar otros ítems similares al ítem que compró el cliente; luego, si otros usuarios comienzan a comprar el Elemento 6, el sistema puede comenzar a hacer recomendaciones. El usuario no debe realizar más compras; el enfoque basado en elementos puede comenzar a recomendar. En un sistema basado en el usuario, sin embargo, el Cliente I tiene que realizar compras adicionales para pertenecer a un barrio de usuarios; el sistema no puede hacer ninguna recomendación todavía. De acuerdo, hay una suposición en el trabajo en estos ejemplos simples: que el cliente no solo compró el artículo sino que le gustó lo suficiente como para realizar compras similares. ¿Qué pasa si el cliente no le gusta el artículo? El sistema necesita, al menos, producir una mayor precisión en sus recomendaciones.

Puede agregar un criterio al sistema de recomendación para agrupar a las personas que otorgaron calificaciones similares a los artículos que compraron.Si el sistema encuentra clientes a los que les gusta y no les gustan los mismos artículos, entonces la suposición de alta precisión es válida. En otras palabras, existe una alta probabilidad de que los clientes compartan los mismos gustos.

Conceptos básicos de los filtros colaborativos basados ​​en el usuario en el análisis predictivo - dummies

Selección del editor

El ciclo de vida de un objeto Java - variables ficticias

El ciclo de vida de un objeto Java - variables ficticias

Mientras trabaja con objetos en Java, entendiendo cómo son los objetos nacer, vivir sus vidas, y morir es importante. Este tema se llama el ciclo de vida de un objeto, y dice algo como esto: 1. Antes de que un objeto pueda crearse a partir de una clase, la clase debe estar cargada. Para hacer eso, Java ...

El método principal en un programa Java - Dummies

El método principal en un programa Java - Dummies

La figura tiene una copia del código de la lista. La mayor parte del código contiene la declaración de un método llamado main. (Solo busque la palabra main en el encabezado del método del código). Por ahora, no se preocupe por las otras palabras en el encabezado del método: public, static, void, String y args. Me gusta ...

Gen Directorio R. java Archivo - dummies

Gen Directorio R. java Archivo - dummies

El nombre del directorio gen significa generado. El directorio gen contiene R. java. Esta lista muestra la parte del archivo R. java generado para usted cuando crea un proyecto completamente nuevo. / * ARCHIVO GENERADO AUTOMÁTICAMENTE. NO MODIFIQUE. * * Esta clase fue generada automáticamente por la herramienta * aapt de los datos de recursos que encontró. It ...

Selección del editor

Cómo usar herencia en PHP con programación orientada a objetos - dummies

Cómo usar herencia en PHP con programación orientada a objetos - dummies

Programación orientada a objetos en PHP tiene otra característica que lo hace muy útil para proyectos grandes. Muchos objetos están relacionados entre sí, y puede usar una relación de árbol genealógico para simplificar su programación. Cómo construir un bicho basado en otro bicho Hay un bicho nuevo en la ciudad. Este tiene la misma ...

Cómo usar PHP para hacer un cambio para programación de HTML5 y CSS3 - Dummies

Cómo usar PHP para hacer un cambio para programación de HTML5 y CSS3 - Dummies

A menudo, te encuentras con una situación en la programación de HTML5 y CSS3 donde tienes una expresión que puede tener muchos valores posibles. Siempre puede usar la estructura para administrar esta situación, pero PHP proporciona otra opción interesante. El código de este programa usa la estructura del interruptor. Eche un vistazo a cómo se hace:

Selección del editor

Use F2 para copiar y mover texto - dummies

Use F2 para copiar y mover texto - dummies

Después de seleccionar texto en Word 2007, puede presionar F2 para copiar el texto y pegarlo en otro lugar, incluso en otro documento de Word en el que esté trabajando. Siempre que recuerde usar la tecla F2, copiar y mover un bloque de texto usando esta técnica puede ser muy útil.

Usando la vista de diseño de Notebook en Word para Mac 2011 - dummies

Usando la vista de diseño de Notebook en Word para Mac 2011 - dummies

La vista Diseño de Notebook en Word para Mac 2011 para Mac tiene tantos usos. Notebook Layout View es ideal para los estudiantes que escriben notas, los empleados de oficina que asisten a las reuniones, los asistentes que realizan un seguimiento de las tareas y los profesionales que necesitan registrar las reuniones con los clientes. Notebook Layout tiene sus propias pestañas especiales en la cinta de opciones: Inicio, Apariencia, ...

Usando la Galería de Elementos en Word 2008 para Mac - Dummies

Usando la Galería de Elementos en Word 2008 para Mac - Dummies

Una característica nueva en Office 2008 para Mac es la Galería de Elementos. Elements Gallery ofrece una manera rápida de insertar elementos en sus documentos de Word, como bibliografías, tablas, gráficos, textos artísticos y más. Para agregar un elemento a su documento: