Collaborative Filtering Recommender Systems, 2007.
[critical review]
El crecimiento de la cantidad de información disponible en la Web tiene una directa repercusión en la interacción de una población cada día creciente de usuarios. El libro “The Adaptive Web” publicado en 2007 busca compilar, a modo de guía, tanto marcos metodológicos como referentes comparativos a investigadores y diseñadores interesados en ampliar las capacidades de optimización de los servicios ofrecidos a usuarios de sitios web. Uno de los desafíos principales de los servicios web es el poder entregar personalización al usuario. Dentro del libro, el capítulo “Collaborative Filtering Recommender Systems” preparado por Schafer, Frankowski, Herlocker y Sen, introduce los conceptos esenciales de la técnica de recomendación conocida como filtrado colaborativo, su historia, sus usos principales y decisiones de diseño de los sistemas de ranking y la adquisición de calificaciones. El filtrado colaborativo deriva de la interacción humana sobre el compartir opiniones entre un colectivo; las personas se forman una opinión en base a discusiones con otras personas sobre temas de interés. Estos sistemas replican entonces el proceso social, a través de filtrar o valuar ítems usando las opiniones de otras personas.
Los autores presentan una muestra exhaustiva de las potencialidades y problemáticas de sistemas recomendadores basados en filtrado colaborativo, gracias a una importante selección de referentes coetáneos a la fecha de publicación del libro. Resulta interesante conocer que en la historia del filtrado colaborativo, se establece en cierto momento temprano que el juicio humano es valioso y relativamente fácil de incorporar a sistemas semi automatizados. Los primeros sistemas de filtrado colaborativo estaban diseñados para usuarios que activamente visitaban sitios cuyo propósito fuera la recomendación. Los autores comentan que el usuario en general tiende a demostrar una capacidad de atención bastante limitada, lo cual a mi parecer se toma hoy en día como una certeza al diseñar las interfaces de usuario de los sistemas recomendadores, al entregar outputs computados sin mayor explicación. Si bien el filtrado colaborativo permite a la web adaptarse a las necesidades del usuario, pareciera ser que algo de lo social se perdió en el camino, generalizando cada vez más la interpretación de las necesidades de los usuarios. Temas como la explicabilidad son ahondados en [1], una lectura crucial a revisitar hoy en día, cuando la interacción con sistemas recomendadores está mucho más normalizada y se da por sentado que un algoritmo complejo por detrás genera la recomendación.
Una de las limitaciones principales que es transversal a todos los tipos de propiedades positivas mencionadas es que parece ser que estos sistemas funcionan muy bien cuando encuentran clusters de usuarios prominentemente activos en la plataforma. En detalle, estos sistemas funcionan mejor si cada usuario puede encontrar muchos usuarios que tengan sus mismos gustos; y además si la muestra de ítems es homogénea. De encontrar usuarios atípicos en la plataforma, el sistema no es capaz de desempeñarse al 100%. Sin embargo, ¿no es acaso esto una oportunidad? Aplicar filtrado colaborativo en dominios en donde no se dan las condiciones ideales podría proveer aplicaciones interesantes a través de investigaciones enfocadas en los casos borde.
El apartado en donde se presenta la evolución de los algoritmos evidencia sus ventajas y desventajas, o complicaciones de escalamiento. Esta aproximación es interesante en tanto empuja al lector a buscar otras opciones; ir más allá, no quedarse con el estado del arte, y cuestionar los aspectos positivos y negativos. No obstante, al enfrentarse a explicar el problema de “Cold Start”, el cual ocurre cuando el sistema no logra hacer recomendaciones significativas en casos tales como un nuevo usuario, un nuevo ítem o una nueva comunidad, habría sido interesante presentar casos en que un ítem nuevo nunca haya podido salir del fondo de las recomendaciones dada la falta de calificaciones.
Es importante analizar textos como este con anteojos coetáneos a la fecha de publicación, y no desde el punto de vista contemporáneo. Temas como las cuestiones de ética y la preocupación por la seguridad y la protección de datos privados no fueron incluidos en el capítulo. El uso de datos que agrupen preferencias de usuarios similares cae incluso en la canasta de la política y la opinión pública sobre el desempeño de los estados de gobierno. Hoy en día, la explosividad del uso diario de los smartphones tiene mucho que ver con el aumento de la cantidad de calificaciones por parte de los usuarios. La intuición de la declaración final de los autores fue en efecto correcta: los filtros colaborativos fueron una de las tecnologías centrales que le otorgó poder a la web adaptativa.
Referencias
[1] Herlocker, J.L., Konstan, J.A., Riedl, J. (2000). Explaining Collaborative Filtering Recommendations. In Proceedings of the 2000 ACM conference on Computer supported cooperative work (pp. 241–250). ACM Press, Philadelphia, Pennsylvania.
