Introducción a los algoritmos genéticos y sus aplicaciones

G ESTIÓN Y PRODUCCIÓN

Sistemas Recomendadores: Un enfoque
desde los algoritmos genéticos
(1)

R e c e p c i ó n : Mayo d e 2 0 0 6 / A c e p t a c i ó n : Junio d e 2 0 0 6

Oswaldo Velez-Langs
(2)
Carlos Santos

INTRODUCCIÓN
RESUMEN
El presente trabajo abarca un enfoque alternativo,
desde los algoritmos evolutivos, a la manera
tradicional en que se abordan los sistemas
recomendadores (SR deaquí en adelante). Se
examinan las posibilidades de los algoritmos
genéticos para brindar características adaptativas
a estos sistemas. Nuestro objetivo, además de
proporcionar una panorámica informativa general
sobre las posibilidades y potencialidades de los
SR, es proveer mecanismos para que los SR
sean capaces de aprender características
personales desde los usuarios, con miras a
mejorar laefectividad a la hora de encontrar
recomendaciones y sugerencias apropiadas
para un individuo en particular.
Palabras Clave: Filtrado colaborativo de la
información, aprendizaje automático, algoritmos
evolutivos, interfaces de usuario adaptativas.
RECOMMENDER SYSTEMS: A FOCUS FROM
THE GENETIC ALGORITHMS

ABSTRACT
This work presents an alternative approach
(Evolutionary Algorithms approach) totraditional treatment of Recommender Systems
(RSs). The work examines genetic algorithms
possibilities to offer adaptive characteristics to
this systems trough learning. The main goal, in
addition to give a general view about RSs
capabilities and possibilities, it is to provide an
example mechanism for to extend RSs learning
capabilities (from users´s personal
chracteristics), with the purpose to improvethe
effectiveness in the moment of to find
recommendations and appropriate
suggestions for particular individuals.
Key words: Collaborative information
filtering, machine learning, evolutionary
algorithms, adaptive user interfaces.

El crecimiento de Internet ha sido increíblemente acelerado, hay cantidades ingentes de datos casi sobre cualquier tópico, lo que hace de Internet
la fuente más completade información para casi todo. Sin embargo, hay
más cantidad de artículos, libros, películas, programas de televisión, entre otras cosas, de los que las personas podemos manejar efectivamente,
con lo cual hay una sobrecarga de información hacia los usuarios finales.
El tiempo que se necesita para hacer una búsqueda sobre el conjunto
total de tópicos es demasiado, y los proceso de búsquedatradicionales
pueden ser infructíferos la mayoría de las veces o con resultados poco
exitosos.
Los SR tratan de ser un paso adelante en el contexto de la recuperación
de información tradicional, que se da por palabra claves del tópico que se
desea encontrar a través de los bien conocidos motores de búsqueda
(Google, Lycos y Altavista entre otros). Como su nombre nos lo indica los
SR se encargan derecomendar o sugerir a los usuarios ítems o productos concretos basándose en sus preferencias, son usados por sitios web
de comercio electrónico como herramientas de mercadeo para incrementar ventas al presentar al usuario aquellos productos que desea (o desearía) comprar, es así como se construye una base de entendimiento de
necesidades concretas respecto a lo que gusta o no a los clientes, lo
cualpuede verse como reflejado en un incremento de la lealtad de los
clientes. La gran mayoría de los SR trabajan con enfoques de filtrado
colaborativo, en términos simples, por filtrado colaborativo se entiende al
método de hacer predicciones automáticas (filtrado) acerca de los intereses de un usuario, colectando información sobre los gustos de varios
usuarios (colaboración). Por ejemplo, un filtradocolaborativo o sistema de
recomendaciones para gustos musicales puede hacer predicciones acerca de qué música debería desear un usuario, dada una lista parcial de
gustos de otros usuarios.
El enfoque tratado en este artículo utiliza a los algoritmos genéticos como
afinadores en el proceso de concordancia de perfiles dentro de un SR,
adecuando finalmente estos a las preferencias individuales, lo...