Clase 2: Filtrado Colaborativo Basado en Items (Item-Based CF)

Item- Based Collaborative Filtering

Los sistemas de recomendación aplican técnicas de análisis de datos con el objetivo de ayudar a los usuarios a encontrar los artículos que les gustaría comprar en sitios de comercio electrónico, produciendo una puntuación de probabilidad predicha o una lista de recomendaciones para un usuario determinado. Las recomendaciones se pueden hacer utilizando diferentes métodos. Las recomendaciones pueden basarse en datos demográficos de los usuarios, en los artículos más vendidos en general o en el hábito de compra entre otros.

·    Si bien este método podría considerarse memory-based, los autores de Sarwar et al. lo consideran model-based, donde el parámetro principal del modelo es K (número de ítems similares a considerar). Los autores usan MAE (Mean Absolute Error) para evaluar métodos.

·    Resultados importantes para considerar en el análisis:

o   Efecto de la métrica de Similaridad

o   Sensitividad de la proporción Training/Test

o   Tamaño del vecindario (K)

o   Comparación con otros métodos