Sistema de recomendación basado en PSO

Ignacio Salas DonosoIng. Civil Informática, UTFSM

2

Temario•G

eneración de Perfiles

•Selección de la Vecindad

•Generación de las Recomendaciones

•Entrenamiento del sistema de recomendación

•Conclusión

3

Generación de Perfiles

Se busca reconocer y separar los datos de los usuarios, en un formato que el sistema pueda utilizar.

Usuarios

Libros

Votos

BD Book Crossing

ID U1 ISBN• Voto 1

…ISBN• Voto n

… … … …

ID Um ISBN• Voto 1

…ISBN• Voto n

Selección de la vecindad

Se eligen aleatoriamente una cantidad de usuarios para componer la vecindad

Se ocupan todos para el proceso posterior, sin importar que la distancia con el usuario objetivo sea muy pequeña

Con esto se busca permitir un mayor grado de diversidad

Generación de las Recomendaciones

Función de estimación del voto de Breese

Experiencia personal del

UsuarioExperiencia de la VecindadVoto

estimado

Generación de las Recomendaciones

Función de estimación del voto de Breese

Voto promedio del usuario

objetivo

Desviación ponderada de los votos de la

vecindad

Factor de normalización de la medida de similitud

Medida de similitud entre

los usuarios

Generación de las Recomendaciones

Nueva función de estimación del voto

Desviación Estándar de los votos del

Usuario

Experiencia de la Vecindad

Promedio de votos del usuario

Experiencia personal del Usuario

Voto estimado

Generación de las Recomendaciones

Nueva función de estimación del voto

Voto promedio del usuario

objetivo

Desviación ponderada de los votos de la

vecindad

Factor de normalización de la medida de similitud

Medida de similitud entre

los usuarios

Desviación Estándar del

usuario objetivo

y son factores que ponderan la desviación estándar, como la desviación ponderada de la vecindad

Entrenamiento del Sistema de Recomendaciones

Función de relación entre usuarios

Coeficiente de correlación de Pearson

Voto del usuario a por

el ítem i

Voto promedio del

usuario a

Entrenamiento del Sistema de Recomendaciones

Algoritmo PSO

Dinámica de partículas

Velocidad Nueva

Velocidad Actual

Experiencia personal

Experiencia grupal

Posición Nueva

Velocidad Nueva

Posición Actual

Vector de 2 dimensiones, que contiene los valores

de k0 y k1

Entrenamiento del Sistema de Recomendaciones

Algoritmo PSO

Dinámica de partículas

Experiencia personal

Experiencia grupal

Ítems evaluados por el usuario objetivo

Grupo de Entrenamiento

Grupo de Validación

Grupo de Prueba

El pBest es calculado con la información del grupo de entrenamiento

El gBest es calculado con la información del grupo de validación

Entrenamiento del Sistema de Recomendaciones

Algoritmo PSO

Fitness

Fitness parcial Voto real Voto

estimado

Fitness Fitness parcial

Cantidad de ítems

Entrenamiento del Sistema de Recomendaciones

Algoritmo PSO

Para cada usuario

Mientras no se alcance la cantidad de iteraciones

Para cada partícula

Actualizar posición y velocidad

Calcular pBest

Calcular gBest partícula

Almacenar factores k0 y k1 para el usuario, obtenidos del gBest

14

Conclusión

Al momento de seleccionar la vecindad se aceptó que hubiesen usuarios con poca correlación, con el fin de agregar algo de diversidad

Agregar la desviación estándar a la función de Breese, busca dar un soporte cuando no haya una vecindad que aporte suficiente información

Para establecer que tipo de información influye más para cada usuario, se incluyeron los factores k0 y k1

Los factores k0 y k1 fueron ajustados con el algoritmo PSO, siendo la posición de cada partícula los valores que minimizan el Fitness