Propuesta metodológica para el razonamiento semántico en sistemas de recomendación personalizada y automática. Aplicación al caso de contenidos audiovisuales

Resumo

El comercio electrónico, la Televisión Digital o la educación a distancia a través de medios telemáticos son algunos de los dominios de aplicación en los que actualmente se advierte una sobrecarga de información que dificulta la utilización de los servicios ofrecidos en los mismos. En este escenario, los usuarios deben explorar espacios excesivamente densos, convirtiendo la selección de la información que les interesa en una tarea tediosa, difícil de asumir sin la asistencia de herramientas intuitivas y eficientes. Con el afán de suplir esta carencia, surgen en los años 90 los sistemas recomendadores, que seleccionan, de forma automática y personalizada, los productos que mejor se adaptan a las preferencias o necesidades de cada usuario. En la literatura se han propuesto diversas estrategias de personalización que los investigadores han adoptado de forma generalizada en sus trabajos. Estas estrategias son las encargadas de analizar las preferencias de los usuarios y elaborar sugerencias personalizadas a partir de los productos disponibles en la herramienta. En los enfoques tradicionales, este proceso se basa en técnicas de naturaleza sintáctica, más o menos sofisticadas, que prescinden de gran cantidad de conocimiento útil durante el proceso de personalización, lo que limita la calidad de las recomendaciones seleccionadas. Limitaciones similares a éstas ya se han manifestado con anterioridad en los motores de búsqueda desarrollados en Internet, encargados de recuperar automáticamente la información solicitada por los usuarios. A pesar de su exitosa implantación, la calidad de los resultados de estas herramientas es cuestionable ya que, al basarse en estrategias de recuperación sintácticas, sólo son capaces de seleccionar la información que coincide exactamente con los términos de consulta especificados por los usuarios. Con el ánimo de superar tal limitación y concebir una red inteligente, en los últimos años ha surgido una prometedora línea de investigación bajo el nombre de Web Semántica. Esta iniciativa propone describir los recursos Web mediante metadatos procesables por las máquinas, para que éstas puedan razonar sobre su semántica e inferir relaciones entre ellos, es decir, descubrir nuevo conocimiento a partir del ya conocido. Tales procesos de razonamiento semántico requieren que las colecciones de datos a los que acceden las máquinas estén definidas y estructuradas de una forma adecuada. Para este propósito, y aprovechando la experiencia ganada en el campo de la Inteligencia Artificial, la Web Semántica rescata la noción de ontologia, una formalización consensuada y reutilizable en la que se identifican los conceptos y relaciones típicas en un dominio de aplicación. Son precisamente los resultados obtenidos en este campo los que inspiraron el trabajo presentado en esta tesis, que combate las limitaciones reconocidas en los sistemas recomendadores actuales recurriendo a las técnicas de inferencia de conocimiento tradicionalmente adoptadas en la Web Semántica. Dichas técnicas se jncluyen en una metodología, flexible y genérica, que razona sobre las preferencias de los usuarios ^(modeladas en perfiles personales) y sobre las descripciones semánticas de los productos disponibles en el fecomendador (previamente formalizadas en una ontologia de dominio). El objetivo es aprovechar la experiencia de las estrategias de personalización propuestas en el estado del arte e incorporar en las mismas este tipo de procesos de razonamiento semántico. Las estrategias resultantes exploran la base de conocimiento del sistema e infieren relaciones semánticas ocultas entre los productos allí representados. Tales relaciones aportan conocimiento adicional sobre las preferencias de los usuarios y, por tanto, favorecen procesos de personalización más precisos. Estos no sólo permiten recomendar productos que pasarían desapercibidos en los sistemas actuales, sino que además combaten, de forma efectiva, las limitaciones reconocidas en las estrategias de personalización que adoptan. Dado que la metodología desarrollada en esta tesis no está vinculada de forma exclusiva a ningún dominio específico, su capacidad de razonamiento semántico puede ser explotada en aplicaciones de personalización de muy diversa naturaleza. Sin embargo, con el ánimo de describir el enfoque con suficiente claridad, este trabajo incorpora la metodología en el sistema recomendador AVATAR, una herramienta que selecciona, entre la miríada de contenidos audiovisuales que pueden estar disponibles en la Televisión Digital, aquellos que potencialmente interesan a cada espectador. Junto a las bases teóricas y los detalles algorítmicos de la metodología, nuestro trabajo también define la arquitectura de AVATAR. En ésta se adoptan tecnologías de libre disposición y formatos normalizados, con el afán de promover un uso generalizado de sus capacidades automáticas de personalización. Asimismo, el trabajo describe las herramientas que se han desarrollado para poder validar la metodología de razonamiento semántico desarrollada en esta tesis._