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

Cómo ubicar los comandos en el navegador de comandos de NaturallySpeaking con el filtro de palabras clave - dummies

Cómo ubicar los comandos en el navegador de comandos de NaturallySpeaking con el filtro de palabras clave - dummies

Buscando en la web, puede encontrar comandos en el Explorador de comandos de NaturallySpeaking utilizando palabras clave. El filtro de palabras clave hace que sea fácil encontrar el comando real para una función que le gustaría realizar. Por ejemplo, si desea ubicar una nota al pie en su documento de Word, su primera inclinación podría ser ...

Cómo instalar Dragon NaturallySpeaking en su computadora - Dummies

Cómo instalar Dragon NaturallySpeaking en su computadora - Dummies

Si está instalando NaturallySpeaking por primera vez o instalando sobre una versión anterior, el proceso es fácil. Si tiene perfiles de usuario de NaturallySpeaking versión 10 u 11, el Asistente de actualización encuentra esos perfiles de usuario y los configura en la versión 12. De lo contrario, se le guiará a través de la creación de un nuevo perfil de usuario. Siga ...

Cómo navegar entre las aplicaciones de PC abiertas con Dragon Professional Individual - muñecos

Cómo navegar entre las aplicaciones de PC abiertas con Dragon Professional Individual - muñecos

Una vez que te metes el calor de la jornada laboral, es probable que tenga varias aplicaciones abiertas en su PC y otras que desee abrir. No quiere tener que comprometerlos con la memoria; solo ordene con su voz. Aquí hay algunos comandos para navegar en sus aplicaciones una vez que tenga Dragon Professional Individual ...

Selección del editor

Crear panorámicas de imágenes con Photomerge en Photoshop Elements 9 - dummies

Crear panorámicas de imágenes con Photomerge en Photoshop Elements 9 - dummies

El comando Photomerge Panorama le permite combinar múltiples imágenes en una sola imagen panorámica. Desde los horizontes hasta las cadenas montañosas, puedes tomar varias tomas superpuestas y unirlas en una sola. Para tener éxito en la fusión de fotos en una panorámica, debe comenzar con buenos archivos fuente. Antes que nada, asegúrese de que ...

Personalizar presets en Photoshop Elements 10 - dummies

Personalizar presets en Photoshop Elements 10 - dummies

Parte de la diversión de la edición de imágenes es elegir brochas, muestras de colores , degradado de colores y patrones para crear el aspecto que desee. Para comenzar, Elements le proporciona una serie de bibliotecas preestablecidas que puede cargar y usar cuando lo desee. Por ejemplo, puede cargar una biblioteca de pinceles para adquirir ...

Creación-Conceptos básicos de ensamblaje para Photoshop Elements 10 - dummies

Creación-Conceptos básicos de ensamblaje para Photoshop Elements 10 - dummies

Creaciones en Photoshop Elements 10 como álbumes de fotos, los collages fotográficos, los calendarios fotográficos, las tarjetas de felicitación y las PhotoStamps están diseñadas para imprimir o compartir pantallas. Cuando realice una creación que finalmente se enviará a un servicio en línea para su impresión o se compartirá con otros usuarios, tenga en cuenta que primero debe ...

Selección del editor

Slide Master y Edit Master Tabs en PowerPoint 2013 - Dummies

Slide Master y Edit Master Tabs en PowerPoint 2013 - Dummies

Cuando cambia a Slide Master Ver en PowerPoint 2013, aparece una pestaña completamente nueva en la cinta de opciones. Esta nueva pestaña se llama apropiadamente Slide Master. Aquí hay una descripción general rápida de cada grupo en esta pestaña y los controles que se encuentran en ellos: Editar maestro: los controles de este grupo le permiten editar el Patrón de diapositivas. ...

Comprensión de PowerPoint 2013 Atajos de presentación de diapositivas: variables ficticias

Comprensión de PowerPoint 2013 Atajos de presentación de diapositivas: variables ficticias

PowerPoint 2013 está diseñado para crear diapositivas que se presentan directamente en una pantalla en lugar de impreso. La pantalla puede ser el monitor de su computadora, un proyector o un monitor externo, como un televisor de pantalla gigante. En la mayoría de los casos, la configuración predeterminada para mostrar una presentación es adecuada. Sin embargo, en algunos casos, puede ...

Use PowerPoint 2007 Notes - dummies

Use PowerPoint 2007 Notes - dummies

PowerPoint Notes son como un adjunto adjunto a sus diapositivas. No aparecen en las diapositivas de PowerPoint. Cada diapositiva en su presentación de PowerPoint tiene su propia página de notas que se muestra por separado. Las notas generalmente se ocultan en la parte inferior de la pantalla en un pequeño panel de Notas de PowerPoint. Para trabajar con notas, usted ...