Métodos de clasificación basados en asociación aplicados a sistemas de recomendación

Resumen

Los sistemas de comercio electrónico actuales requieren de manera permanente proveer personalización en la presentación de sus contenidos. En este sentido, los sistemas de recomendación realizan sugerencias y facilitan información acerca de los ítems disponibles en el sistema. Técnicas de minería de datos pueden ser utilizadas para proveer personalización en dichos sistemas. Sin embargo, dichos métodos todavía son bastante vulnerables a muchas limitaciones y problemas ocasionados en el ámbito de recomendación. Los métodos de clasificación basados en asociación constituyen un tipo de técnica de minería de datos alternativa, la cual combina conceptos de clasificación y asociación con objeto de utilizar reglas de asociación en un contexto de predicción. En este trabajo se propone el uso de clasificadores asociativos en sistemas de recomendación para disminuir las limitaciones presentadas en los mismo. Dentro de este contexto, se ha desarrollado una metodología híbrida de recomendación, que posee rasgos de las dos principales categorías de métodos de recomendación. Dicha metodología incluye un algoritmo de clasificación asociativa que utiliza conceptos de la lógica borrosa, lo que permite aumentar la efectividad y calidad de las recomendaciones. De esta manera, se permite hacer uso de las ventajas y puntos fuertes de cada categoría de métodos. Además, se ha realizado un estudio comparativo utilizando datos de sistemas de recomendación reales, en el que se analizan los resultados de los algoritmos de clasificación tradicionales frente a los proporcionados por clasificadores asociativos. Finalmente se describe la implementación de la metodología propuesta en un sistema de recomendación real en el que se simularon escenarios críticos que suelen ocurrir en un contexto de recomendación. El análisis de los resultados del estudio comparativo y de las simulaciones han demostrado que la clasificación asociativa y la metodología propuesta pueden ser aplicados de manera satisfactoria en sistemas de recomendación, aportando beneficios a los mismos.