A Group Recommendation Approach for Service Selection

Los sistemas de recomendación actuales toman en cuenta varios criterios para llevar a cabo su función. Sin embargo, no existe alguno que tome en cuenta criterios opuestos (multi-criterios) que se presentan comúnmente cuando se requiere dar recomendaciones sobre grupos que no son completamente homogéneos en todos sus gustos y preferencias.

El proceso propuesto para llevar a cabo una recomendación en base a un grupo consiste en los siguientes tres pasos:

1. Adquisición de perfil de usuario – Se recopila la información correspondiente al usuario y se almacena de modo que un perfil está definido por el formato Usuario x Objeto -> R0 x R1 x R2 x … x Rc donde cada Ri es la calificación del usuario en el criterio i y R0 es la calificación global.
2. Adquisición de perfil de grupo – Se crea un usuario nuevo que representa los intereses de un grupo. Los grupos suelen tener una serie de intereses compartidos pero pueden variar sobre algunos otros. Para asignar un valor a los intereses del grupo, se calcula un valor de desacuerdo que toma en cuenta las preferencias de todos sus miembros.
3. Recomendación – Se hace uso de collaborative filltering para llevar a cabo la predicción de los usuarios sobre objetos no calificados.

Se menciona que no existe una base de datos para este tipo de pruebas por lo que tuvieron que crear un script que obtuviera la información del sitio dianping.com que contiene reseñas de restaurantes de China. Se recolectaron 30029 comentarios que involucran a 482 personas y 957 restaurantes en total. Los comentarios consisten en calificaciones en cuanto a los aspectos de la comida.

Para comparación directa, se tomaron las predicciones generadas contra las obtenidas calculando el promedio y la técnica de least misery. Los resultados fueron los siguientes:

En conclusión, el algoritmo trabaja sobre el patrón de rating de los usuarios más que sobre las calificaciones individuales por lo que requiere de datos para poder calcularlo de inicio. La técnica es escalable y no tiene variaciones respecto al número de personas en los grupos.

Tao Liu, Feng Xu, Yuan Yao, and Jian Lu. 2012. A group recommendation approach for service selection. In Proceedings of the Fourth Asia-Pacific Symposium on Internetware (Internetware '12). ACM, New York, NY, USA, , Article 10 , 5 pages. DOI=10.1145/2430475.2430485 http://doi.acm.org/10.1145/2430475.2430485