Tecnologías para la recomendación semántica y filtrado colaborativo de contenidos y servicios

  1. Colombo Mendoza, Luis Omar
Dirigée par:
  1. Rafael Valencia García Directeur/trice
  2. Alejandro Rodríguez González Directeur/trice

Université de défendre: Universidad de Murcia

Fecha de defensa: 15 septembre 2017

Jury:
  1. Lucía Serrano Luján President
  2. Antonio Ruiz Martínez Secrétaire
  3. Eugenio Martínez Cámara Rapporteur

Type: Thèses

Résumé

El objetivo general que se pretende alcanzar con el desarrollo de esta tesis doctoral es diseñar e implementar un método híbrido, basado en conocimiento y en filtrado colaborativo bajo un enfoque de modelos estadísticos de clases latentes, de recomendación sensible al contexto para el dominio de la restauración en el contexto de las Interfaces de Programación de Aplicaciones (APIs, por sus siglas en inglés) de redes sociales basadas en localización y de sitios Web de opiniones de usuarios. La metodología a seguir en esta investigación a fin de alcanzar los objetivos propuestos y permitir la demostración de la tesis de la misma comprende principalmente cuatro tareas. 1. Análisis del estado del arte. Esta primera tarea representa el estudio del estado del arte en dos vertientes principales: (1) sistemas de recomendación y (2) tecnologías de la Web Semántica, con un claro énfasis en los puntos de convergencia entre ambas áreas. 2. Formalización de la propuesta. Esta tarea comprende una serie de subtareas que resultan en la obtención del método de recomendación híbrido y sensible al contexto para el dominio de la restauración, el cual representa la contribución general de esta tesis doctoral. 3. Implementación de la propuesta. Esta tarea representa la implementación de un prototipo de sistema de recomendación híbrido y sensible al contexto de establecimientos de alimentos y bebidas a partir de una arquitectura de software diseñada como resultado de las tareas de formalización de la propuesta. 1. Validación de la propuesta. Esta última tarea comprende el diseño y ejecución, mediante un estudio de usuario y un experimento offline, de un método doble de evaluación en forma de análisis comparativo basado en un enfoque de Ciencias de la Información, específicamente, un enfoque de recuperación de información orientado a la medición de la exactitud bajo dos interpretaciones distintas: predicción de ratings y predicción de uso. El estudio de usuario y el experimento offline permiten evaluar el método de recomendación propuesto bajo dos escenarios distintos, respectivamente: escasez de ratings y suficiencia de ratings. Según los resultados de la ejecución del método de evaluación propuesto en esta investigación, en un contexto de clasificación de ítems, la exactitud de las recomendaciones generadas por el método de recomendación híbrido y sensible al contexto para el dominio de la restauración, el cual representa la contribución de esta investigación, se ve mejorada en un 6,67% en términos de valores promedio de recall y en un 5,70% en términos de valores promedio de precision respecto a las recomendaciones generada por un método de recomendación de línea base (métrica de similitud sintáctica). Asimismo, en un contexto de ordenamiento de ítems, la exactitud de las recomendaciones generadas por el método de recomendación propuesto se ve mejorada en un 12,16% en términos de valores acumulados de NDPM respecto a las recomendaciones generadas por el método de recomendación de línea base. A partir del análisis del estado del arte realizado en esta tesis doctoral se pudo determinar que los dominios del turismo y del ocio representan dos áreas de aplicación muy populares de los sistemas de recomendación sensible al contexto. Esta investigación pretendió contribuir con soporte tecnológico a un área que depende parcialmente de la afluencia de turistas, a saber, la industria de la restauración, mediante la aplicación de un sistema de recomendación sensible al contexto de establecimientos de alimentos y bebidas. Por otro lado, las contribuciones particulares de esta investigación están destinadas a servir como punto de partida para otros académicos y desarrolladores del área de sistemas de recomendación en el afán de construir un ecosistema abierto de datos y aplicaciones semánticas homogenizadas e integradas bajo un enfoque de Linked Data. The objective of this thesis is to design and implement a context-aware recommendation method for the restaurant domain in the context of location-based social networks and user opinion website APIs, using a hybrid knowledge-based and latent class model-based collaborative filtering approach. The methodology to follow in this research to reach the proposed objectives and to allow demonstrating the thesis of the research mainly comprises four tasks. 1. Analysis of the state of the art. This first task represents the study of the state of the art on two main aspects: (1) recommender systems and (2) Semantic Web technologies, with a clear emphasis on the points of convergence between both research areas. 2. Formalization of the proposal. This task comprises a series of subtasks that results in obtaining the hybrid context-aware recommendation method for the restaurant domain, which represents the main contribution of this thesis. 3. Implementation of the proposal. This task represents the implementation of a prototype of a hybrid context-aware recommender system for food and beverage establishments based on a software architecture designed as a result of the proposal formalization tasks. 4. Validation of the proposal. This latter task involves the design and execution, through a user study and an offline experiment, of a two-part evaluation method in the form of a comparative analysis based on an Information Science approach, specifically, an information retrieval approach focused on accuracy measurement under two different interpretations: prediction of ratings and prediction of use. The user study and the offline experiment allow evaluating the proposed recommendation method under two different scenarios, respectively: scarcity of ratings and sufficiency of ratings. According to the results of the evaluation method proposed in this research, in a context of an item classification task, the accuracy of the recommendations generated by the hybrid context-aware recommendation method for the restaurant domain that represents the contribution of this research is improved by 6,67% in terms of average recall values and 5.70% in terms of average precision values when compared to the recommendations generated by a baseline recommendation method (syntactic similarity metric). In the context of an ordering task, the accuracy of the recommendations generated by the proposed recommendation method is improved by 12.16% in terms of cumulative NDPM values when compared to the recommendations generated by the baseline recommendation method. Based on the analysis of the state of the art made in this research, it was possible to determine that the tourism and leisure domains represent two very hot areas of application of context-aware recommender systems. This research aimed to contribute technological support to an area that partially depends on the influx of tourists, namely the restaurant industry, through the application of a context-aware recommender system for food and beverage establishments. Furthermore, the particular contributions of this research are intended to serve as a starting point for other academics and developers of the area of recommender systems in an attempt to build an open ecosystem of data and semantic applications homogenized and integrated under a Linked Data approach.