Análisis de Collaborative filtering for social tagging systems: an experiment with CiteULike
05 Sep 2016Hoy, después de esta dura semana, analizaremos el paper Collaborative filtering for social tagging systems: an experiment with CiteULike.
Hoy, después de esta dura semana, analizaremos el paper Collaborative filtering for social tagging systems: an experiment with CiteULike.
Lo de hoy no es exactamente un paper, sino que un capítulo de un libro. Se trata de Recommender Systems: Sources of Knowledge and Evaluation Metrics, cuyo objetivo es presentar las fuentes de donde se suelen extraer los datos, y las métricas más importantes para evaluar los sistemas recomendadores.
El último paper de esta semana es Item-based Collaborative Filtering Recommendation Algorithms. Lo principal de este trabajo es que se propone mirar primero los ítems similares al que queremos rankear, contrario al filtrado user-based. En general es un buen trabajo con un desarrollo claro.
En el paper Slope One predictors for online rating-based collaborative filtering, se propone que un sistema recomendador con predictores de la forma puede ser competitivo. Se compara principalmente con esquemas basados en correlación de Pearson y otros más sencillos.
Ahora es el turno de analizar el paper An algorithmic framework for performing collaborative filtering. En este paper se proponen mejoras a ciertos algoritmos de recomendación basados en filtrado colaborativo con métodos basados en vecinadades (o neighborhood-based methods). Las mejoras se concentran en ponderar mejor los factores en los que se basa la recomendación.