MAGReS : un enfoque para generar recomendaciones a grupos utilizando sistemas multiagente
Los Sistemas de Recomendación han sido utilizados para generar recomendaciones a individuos en múltiples dominios, tales como: comercio electrónico, educación, películas, turismo, música. Sin embargo, en algunos de estos dominios el sujeto al cual se le realiza la recomendación no es un individuo...
Guardado en:
Autor principal: | |
---|---|
Formato: | Artículo revista |
Lenguaje: | Español |
Publicado: |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
2018
|
Materias: | |
Acceso en línea: | https://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/2082 |
Aporte de: |
id |
I21-R190-123456789-2082 |
---|---|
record_format |
ojs |
institution |
Universidad Nacional del Centro |
institution_str |
I-21 |
repository_str |
R-190 |
container_title_str |
Repositorio Institucional de Acceso Abierto (RIDAA) |
language |
Español |
format |
Artículo revista |
topic |
Sistemas de Recomendación Sistemas de recomendación grupales SRG Perfiles de usuario MAGReS Ciencias de la computación Algoritmos Sistema multiagente |
spellingShingle |
Sistemas de Recomendación Sistemas de recomendación grupales SRG Perfiles de usuario MAGReS Ciencias de la computación Algoritmos Sistema multiagente Villavicencio, Christian P. MAGReS : un enfoque para generar recomendaciones a grupos utilizando sistemas multiagente |
topic_facet |
Sistemas de Recomendación Sistemas de recomendación grupales SRG Perfiles de usuario MAGReS Ciencias de la computación Algoritmos Sistema multiagente |
author |
Villavicencio, Christian P. |
author_facet |
Villavicencio, Christian P. |
author_sort |
Villavicencio, Christian P. |
title |
MAGReS : un enfoque para generar recomendaciones a grupos utilizando sistemas multiagente |
title_short |
MAGReS : un enfoque para generar recomendaciones a grupos utilizando sistemas multiagente |
title_full |
MAGReS : un enfoque para generar recomendaciones a grupos utilizando sistemas multiagente |
title_fullStr |
MAGReS : un enfoque para generar recomendaciones a grupos utilizando sistemas multiagente |
title_full_unstemmed |
MAGReS : un enfoque para generar recomendaciones a grupos utilizando sistemas multiagente |
title_sort |
magres : un enfoque para generar recomendaciones a grupos utilizando sistemas multiagente |
description |
Los Sistemas de Recomendación han sido utilizados para generar recomendaciones
a individuos en múltiples dominios, tales como: comercio electrónico, educación,
películas, turismo, música. Sin embargo, en algunos de estos dominios el sujeto al
cual se le realiza la recomendación no es un individuo sino un grupo de sujetos. Esto
ha motivado el surgimiento de los Sistemas de Recomendación Grupales (SRG),
los cuales conociendo quiénes son los miembros del grupo y sus perfiles de usuario
(que contienen información relativa a sus intereses y otros datos relevantes) apuntan
a generar recomendaciones que satisfagan al grupo como un todo. Los enfoques de
SRG más extendidos hacen uso de técnicas de agregación (por ejemplo, el promedio o
la minimización de miseria) para estimar las preferencias grupales, el perfil grupal, o
para generar una recomendación grupal mediante la combinación de recomendaciones
generadas para cada miembro del grupo.
A pesar de que los enfoques tradicionales han sido (y son) utilizados en muchos
dominios, las limitaciones de las técnicas de agregación hacen que, en muchos casos,
las recomendaciones generadas no logren satisfacer a todos los miembros del grupo de
forma uniforme. Adicionalmente, muchas de esas técnicas de agregación no permiten
modelar aspectos vinculados a los procesos de toma de decisiones de los grupos ni
a características de cada individuo, lo que reduce el nivel de personalización de la
recomendación generada. Por otro lado, son pocos los SRG que proveen explicaciones
para sus recomendaciones, algo que es importante si se busca maximizar las chances
de que los grupos acepten las recomendaciones que recibieron.
Teniendo en cuenta que, cuando un grupo de personas debe elegir un ítem, sus
miembros generalmente discuten y analizan las opciones disponibles con el objetivo de
alcanzar un consenso, la hipótesis de trabajo es que un enfoque de recomendación que
aplique una estrategia similar puede generar recomendaciones potencialmente mejores
que las de los enfoques utilizados tradicionalmente. En torno a esta idea, en esta tesis
se propone MAGReS, un enfoque que hace uso de un Sistema Multiagente (SMA)
para generar recomendaciones a grupos y proveer explicaciones. En MAGReS, cada
miembro del grupo es representado por un agente inteligente (parte del SMA) que
conoce sus intereses y se comporta de acuerdo a un conjunto de configuraciones elegidas
por su usuario. Los agentes participan en un proceso de negociación cooperativo en el
cuál deciden acerca de qué ítem debe recomendarse al grupo, y en base a información
capturada durante dicho proceso se construyen explicaciones para las recomendaciones
generadas.Las recomendaciones generadas por MAGReS fueron evaluadas en dos dominios:
películas y puntos de interés (POI), con resultados satisfactorios. En las evaluaciones
se comparó a MAGReS contra enfoques tradicionales y se encontró evidencia de que
las recomendaciones generadas por MAGReS superan a las de dichos enfoques puesto
que satisfacen a los miembros del grupo no sólo en mayor grado sino que también más
uniformemente.
Las explicaciones, por otro lado, fueron evaluadas a través de un experimento con
usuarios reales. En base a las observaciones realizadas en dicho experimento fue posible
confirmar que las explicaciones generadas por MAGReS, a pesar de ser simples, son de
utilidad para los usuarios puesto que ayudan a que tengan en cuenta recomendaciones
al grupo que de otra forma hubiesen ignorado. |
publisher |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas |
publishDate |
2018 |
url |
https://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/2082 |
work_keys_str_mv |
AT villavicenciochristianp magresunenfoqueparagenerarrecomendacionesagruposutilizandosistemasmultiagente |
first_indexed |
2022-07-04T14:26:42Z |
last_indexed |
2022-07-04T14:26:42Z |
bdutipo_str |
Revistas |
_version_ |
1764819786833854464 |