uso de procesos de alcance de consenso para mejorar la recomendación a grupos
TRANSCRIPT
Uso de procesos de alcance de consenso paramejorar la recomendación a grupos
Jorge Castro, Francisco J. Quesada, Luis Martínez
LODISCO 3 – Toma de decisiones difusas o en ambientes de incertidumbre II
Department of Computer Science and Artificial Intelligence, University of Granada, Spain
Computer Science Department, University of Jaén, Spain
sinbad2.ujaen.es sci2s.ugr.es
Outline
Preliminares
Sistemas de recomendación
Recomendación a grupos
Motivación
Procesos de alcance de consenso en Toma de Decisiones en Grupo
Propuesta: Alcance de consenso en recomendación a grupos
Caso de estudio
Conclusiones
Sistemas de recomendación
… any system that produces individualized recommendations as output or hasthe effect of guiding the user in a personalized way to interesting or usefulobjects in a large space of possible options.
R.Burke, Hybrid Recommender Systems: Survey and Experiments
Ejemplos
Spotify
Netflix
Amazon
Técnicas
Basados en contenido
Colaborativos
Híbridos
Información
Atributos de usuarios
Atributos de productos
Preferencias
Sistemas de recomendación colaborativos
Valoraciones
de los usuarios
ru ,i 1 n
ru ,i 1 j
ru ,i 1 1
ru ,i m 1
ru1
ruqru ,i m j
ru ,i m n
Vecindario del
usuario activo
Top-N productos
con mayor predicción
Itop-3
Itop-1
Itop-2 ru ,i
i 1ru i
ru ,i i j
ru ,i i n
Predicción de valoraciones
a partir del vecindario
rv2
,i1
rv2,i jrv
2,in
rv1,i1rv1,i j
rv1,in
rv3,i1rv3,i j
rv3,in
pu,i 1pu,i j
pu,i n
Información: Preferencias implícitas o explícitas
Predicción para productos no experimentados
Filtrado colaborativo basado en vecinos cercanos
Recomendación a grupos
Productos sociales restaurantes, puntos de interés turístico, música
Técnicas: agregación de valoraciones o recomendaciones
Itop-1
Itop-2
Recomendaciones
para el grupo
Recomendaciones
para cada miembro
Itop-3 Itop-1 Itop-2 rg1
rg2
r
Recomendación
Sistema de
recomendación
a individuos
g3,i1
rg2,i1
rg1,i1rg1,i j
rg2,i j
rg3,i jrg3,in
rg2,in
rg1,in
Itop-3
Itop-3 Itop-1 Itop-2
Itop-3 Itop-1 Itop-2 rg3
Preferencias de los miembros
Motivación
Recomendaciones de grupo no satisfactorias para los miembros
Minimizar la insatisfacción de los miembros
Dinámicas de grupo
influencia del grupo
negociación entre los miembros
Satisfacción Acuerdo en Toma de Decisión en Grupo
Procesos de alcance de consenso
Objetivo: mejorar la satisfacción del grupo aplicando consenso
Toma de decisiones en grupo
Toma de decisiones en grupo
Grupo de expertos
Varias alternativas
Preferencias de cada experto sobre las alternativas
Objetivo: Seleccionar la mejoralternativa
Los expertos pueden no estar satisfechoscon la alternativa seleccionada
Recomendación a grupos
Grupo de usuarios
Varios productos
Preferencias individuales sobre losproductos
Objetivo: Seleccionar el productoque satisface al grupo
Mejorar la satisfacción individual haciala recomendación de grupo
Procesos de alcance de consenso
Consensus is defined as a state of mutual agreement, in which all opinions have been taken into account and every individual concern has been addressed.
Proceso de negociación
Moderador guíael proceso
Consensoautomático
Propuesta: Alcance de consenso en recomendación a grupos
Mejora de las recomendaciones mediante consenso
Consenso sobre las recomendaciones individuales
Nivel de consenso a alcanzar
Propuesta: Fase de recomendación
u1
u2
u i
i1 i t
r r t
r r t
r i r it
Ratings over items
Collaborative
ltering
algorithm
Borda count
x1 xn
r r t
r t
rmt
Predictions over items
for group members
rm
r
i1 i t
r r n
r n
rmnrm
r
Predictions over top-n
commonly predicted
items (n << t)
All
Users
Propuesta: Fase de consenso
Caso de estudio
Conjunto de datos: MovieLens 100k
Validación: hold-out 80-20
Generados 30 grupos aleatorios de 5 miembros
Técnicas comparadas
Baseline: Agregación de recomendaciones, minimizar la insatisfacción
Propuesta: Nivel de consenso mínimo: 0.80, 0.85, 0.90
Caso de estudio
Área bajo ROC
Orden de las recomendaciones
0.5, orden aleatorio
1.0, orden perfecto
La propuesta mejora los resultados
Caso de estudio
Precisión de las recomendaciones
Ratio de productos relevantes
Tamaño de la lista de recomendaciones
Conclusiones
Recomendación a grupos
Agregación de recomendaciones
Recomendaciones no satisfactorias
Minimizar la insatisfacción de los miembros
Consenso automático para mejorar las recomendaciones
Mejora de los resultados en AUC y Precisión
Trabajo futuro
Visualización del consenso alcanzado
Uso de procesos de alcance de consenso paramejorar la recomendación a grupos
Jorge Castro, Francisco J. Quesada, Luis Martínez
LODISCO 3 – Toma de decisiones difusas o en ambientes de incertidumbre II
Department of Computer Science and Artificial Intelligence, University of Granada, Spain
Computer Science Department, University of Jaén, Spain
sinbad2.ujaen.es sci2s.ugr.es