Estrategias para el incremento de la fiabilidad y confianza en sistemas de recomendación colaborativa. Un enfoque semántico para la personalización de la publicidad en comercio electrónico

Abstract

Desde su nacimiento en la década de los años 60, la capacidad de transmisión y almacenamiento de datos en Internet ha crecido hasta límites insospechados, dando lugar a una sobrecarga de información que se ha extendido a dominios de muy diversa naturaleza ---como el comercio electrónico, la Televisión Digital o la educación a distancia mediante medio telemáticos (e-learning, t-learning, m-learning). En este escenario, los usuarios deben explorar espacios excesivamente densos, convirtiendo la selección de la información que es relevante para ellos (ciertos productos comerciales, contenidos de televisión, cursos educativos, etc.) en una tarea tediosa, difícil de asumir sin la utilización de herramientas de búsqueda intuitivas y eficientes. Con el afán de realizar un filtrado de dicha información de forma personalizada y automática, surgen en los años 90 los sistemas recomendadores. Precisamente el objetivo último de estos mecanismos es ofrecer a cada usuario, de entre la miríada de productos disponibles, aquellos que mejor se adapten a sus preferencias o necesidades. Desde sus orígenes, los sistemas recomendadores han despertado gran interés en la comunidad investigadora. En particular, se han convertido en herramientas muy apreciadas en el dominio del comercio electrónico y el marketing debido a su rendimiento económico, ya que la selección de forma individualizada de productos comerciales, identificando artículos que encajen con los gustos de cada usuario o le puedan resultar de utilidad (generando incluso nuevas necesidades a los consumidores), puede aumentar considerablemente los ingresos por ventas. La evolución de estos sistemas ha sido notable, principalmente en lo referente a las técnicas de filtrado empleadas y a la incorporación de información adicional acerca de los usuarios en el proceso de recomendación, que mejora la calidad de las sugerencias ofrecidas. Sin embargo, a pesar de los avances logrados hasta la fecha en el campo de la personalización, se identifican carencias importantes en las estrategias adoptadas en los sistemas recomendadores actuales. Por una parte, su utilización en dominios de aplicación caracterizados por una gran heterogeneidad de productos disponibles, como es el caso del comercio electrónico, menoscaba la calidad de las sugerencias ofrecidas a los usuarios. Por otro lado, la incorporación de información en el proceso de recomendación se ve limitada por la necesidad de obtener dicha información de forma explícita por parte de los propios usuarios. El trabajo presentado en esta tesis se centra en el desarrollo de mecanismos efectivos que combatan tales limitaciones, mejorando la calidad de las recomendaciones de forma transparente a los usuarios ---sin requerir que éstos proporcionen ningún tipo de información adicional de forma expresa. Para ello, la metodología desarrollada se enmarca en una prometedora línea de investigación surgida en la última década en el campo de los sistemas recomendadores: los enfoques de personalización semánticos, que combinan técnicas de inferencia de conocimiento, tradicionalmente vinculadas a la Web Semántica, con las estrategias de modelado de usuarios y filtrado de la información utilizadas en dichos sistemas. A su vez, nuestro enfoque aprovecha la masiva adopción de las tecnologías Web 2.0 en la actualidad e incorpora información adicional, extraída de redes sociales, en el proceso de recomendación. Si bien las estrategias propuestas en esta tesis no están vinculada a un dominio determinado, su aplicación es especialmente beneficiosa en dominios donde existe una gran diversidad en la naturaleza de los productos disponibles. Por este motivo, el comercio electrónico es el contexto elegido para ilustrar el enfoque propuesto y describirlo con suficiente claridad.