Filtrado Colaborativo (FC) basado en el usuario
Cuando hablamos de filtrado colaborativo estamos refiriéndonos a una técnica de utilizada por algunos sistemas de recomendación con grandes volúmenes de datos con el objetivo de poder predecir de manera autónoma los intereses de los usuarios, recopilando las preferencias o gustos. Las recomendaciones están basadas en las búsquedas con votos positivos de usuarios similares.
El Filtro colaborativo basado en usuario requiere dos tareas para poder determinar la recomendación del usuario a:
1. Encontrar vecinos que sean similares al usuario a.
Para ello lo primero que se requiere es escoger una medida de similitud, ejemplo:
i. Similitudes basadas en Coseno
ii. Similitudes basadas en Correlación
2. Predecir el Rating que el usuario a dará a un item j.
Ejemplo
Se tiene la siguiente matiz de usuarios y películas. Donde se desea predecir el valor que el usuario_5 colocara a la película_1
Para ello lo primero que haremos será calcular los promedios de cada película, se tiene que considerar que N el número de elementos existentes corresponde las votaciones hechas por los usuarios (no se cuentan los blancos).
Antes de calcular el valor de similitud, vamos a eliminar el valor promedio c/u de las votaciones
Calculamos el valor de correlación Pearson o similitud, utilizando la matriz anterior
Como se destaca en amarillo, corresponden a las similitudes o correlaciones más altas. Seleccionamos las dos mejores e utilizamos la formula.
Generamos la predicción la cual es:
Predicción = 0.41×2 + 0.59×3=2.587299272≈ 3
con esto tenemos la predicción del usuario_5 en la pelicula_1
