Estudio experimental de varias aproximaciones de sistemas recomendadores sobre preferencias cinematográficas

Abstract

[EN] Recommender systems are a part of an information filtering system that present different types of issues or information items which are relevant for a particular user, such as movies, books, music, etc. These s ystems are based on algorithms which take user preferences as inputs over a total set of elements, in order to suggest other elements of the set and recommend those predicted with a higher value. These systems are a fundamental instrument to provide person alized suggestions, improving search times and user decisions over information and/or product of interest. For this reason, recommender systems are a fundamental instrument to provide personalized suggestions, improving search times and user decisions over information and/or product of interest. This Final Master Project is about the study of different recommender system methods. To do so, data from a popular web cinema have been used. With these data we compare the performance of two different approaches: user - based collaborative filtering and item - based filtering. According to the obtained results, the approximations of item - based filtering are more accurate and have better execution time than user - based collaborative filtering. However, using the latter and varying inputs such as neighbour numbers or threshold, less quality predictions are obtained with much better execution times. The tools used for the experiments are Apache Mahout and Apache Hadoop. The first one, allows to use pre - established modules to build collaborative filters, and evaluate the outcomes of the result recommendations. The second tool is more versatile, because it allows us to build our own filter and take advantage of the distributed computing of large scale data through the MapRed uce technique. This technique has been proven as the best one in prediction quality vs. execution time. Finally, in order to increase the dataset to analyse, a tour rating has been implemented. This tool allows to introduce a new rating of movies and whic h also increase the dataset quality used for our experiment analysis.

[ES] Los sistemas de recomendación, como un instrumento potencial para proporcionar sugerencias personalizadas a los usuarios son de gran utilidad para los mismos, en tanto en cuanto, éstos ven aminorado el tiempo dedicado a las búsquedas y toma de decisiones sobre la información y/o productos en los que estuvieren interesados.. En los que respecta a la definición conceptual de los sistemas de recomendación, resulta oportuno señalar que se trata de instrumentos que comprenden herramientas de software, así como inteligencia artificial, minería de datos, estadística, sistemas de soporte para toma de decisiones, análisis del comportamiento de usuario entre las más relevantes. En síntesis los sistemas de recomendación proporcional: agilidad y estructuración de la información, mejora en las gestión del tiempo del usuario, fidelización de usuarios a los sitios webs, conocimiento relevante para hacer sugerencias y recomendaciones de manera automática y con un esfuerzo mínimo. La base del presente proyecto radica en la consecución de un sistema de recomendación de contenidos basado en filtros colaborativos, es decir, un sistema que sugiera contenido teniendo en cuenta valoraciones de los mismos por parte de usuarios similares como también de información de elecciones anteriores que el propio usuario haya realizado. De esta manera el objetivo es mejorar la experiencia del usuario además de aportar los beneficios que anteriormente hemos citado. Para ellos se utilizarán algoritmos de minería de datos, estadísticos, análisis y predicciones. El ámbito de aplicación del sistema de recomendación que se propone está orientado a aquellos modelos de negocio que se dediquen o contemplen la viabilidad de distribución de contenido audiovisual y/o a los prestadores de servicios de intermediación de almacenamiento de contenidos. Específicamente los contenidos audiovisuales a considerar en esta investigación son las producciones cinematográficas.