Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
3Activity
0 of .
Results for:
No results containing your search query
P. 1
Aprendizaje para Clasificación con Factorización Matricial Basado en Listwise para Filtrado Colaborativo

Aprendizaje para Clasificación con Factorización Matricial Basado en Listwise para Filtrado Colaborativo

Ratings: (0)|Views: 226 |Likes:
Published by iloes
Extensión escalable a la aproximación de factorización matricial aplicada al filtrado colaborativo denominada ListRank-MF.
Extensión escalable a la aproximación de factorización matricial aplicada al filtrado colaborativo denominada ListRank-MF.

More info:

Published by: iloes on Apr 22, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/27/2012

pdf

text

original

 
 
Aprendizaje para Clasificación conFactorización Matricial Basado enListwise para Filtrado Colaborativo
 
2012
 
Iván López Espejo22/04/2012
 
2
Aprendizaje para Clasificación con Factorización Matricial Basadoen Listwise para Filtrado Colaborativo
Sumario
1. Introducción ......................................................................................... 32. Estado del Filtrado Colaborativo y del LTR ........................................ 43. Algoritmos ............................................................................................ 54. Evaluación y Resultados ....................................................................... 65. Conclusiones ......................................................................................... 76. Referencias ........................................................................................... 8
 
Aprendizaje para Clasificación con Factorización Matricial Basadoen Listwise para Filtrado Colaborativo
3
1.
 
Introducción
Actualmente, los sistemas de recomendación de contenido son un importan-te punto de atención para los investigadores a causa de la gran cantidad decontenido multimedia disponible en Internet al alcance de los usuarios: li-bros, música, películas, etc. Particularmente, el
filtrado colaborativo
seha erigido como una de las técnicas de recomendación más satisfactorias, lacual se basa en la idea de que a un usuario le podrá gustar probablementeun contenido que le gusta a otros usuarios con sus mismas o similares pre-ferencias. El propósito más importante que un sistema de recomendacióndebe cumplir es el de proveer al usuario de una lista de recomendación decontenido. En base a esta idea, el trabajo que aquí se recoge trata de unaextensión escalable a la aproximación de factorización matricial aplicada alfiltrado colaborativo denominada ListRank-MF (donde MF viene de
Matrix Factorization 
). Esta aproximación hace uso de una técnica de aprendizajepara clasificación listwise con el fin de clasificar u ordenar los diferenteselementos multimedia para cada uno de los usuarios, donde los usuarios ydichos elementos multimedia son representados como características laten-tes aprendidas haciendo uso de factorización matricial. La contribuciónprincipal de la técnica aquí expuesta es doble: por un lado proporciona unrendimiento superior en términos de recomendación sobre el estado del artebasado en la aproximación de la factorización matricial y, por otro, man-tiene una complejidad lineal con la cantidad de ratings observados en lamatriz usuario-elemento multimedia dada, pudiendo, por tanto, escalarlacon el fin de ser usada en colecciones de contenido realmente grandes.El aprendizaje para clasificación (de ahora en adelante LTR por sussiglas en inglés) es una técnica de machine-learning supervisado que cons-truye automáticamente un modelo de clasificación o ranking a partir deunos datos de entrenamiento. Recientemente, el LTR ha sido objeto de in-tensivos esfuerzos de investigación, de donde resulta el ejemplo Yahoo!LTR Challenge, pues repercute en beneficios directos sobre las técnicas derecuperación de información (
information retrieval 
) mediante el envío depeticiones, y de recomendación a partir de perfiles de usuario (como es elcaso del presente trabajo analizado).

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->