El último desafío para los motores de recomendación

La frase Las personas que compraron X, también compraron Y se ha convertido en uno de los apodos célebres de la era de Internet. Esta forma particular de palabras proviene de motores de recomendación que analizan los productos que ha comprado en el pasado para sugerir productos que podrían gustarle en el futuro, generalmente en función de las elecciones realizadas por otras personas con gustos similares.

Los buenos motores de recomendación pueden aumentar las ventas en varios porcentajes. Por eso se han convertido en uno de los imprescindibles de las tiendas y servicios online.

Por lo tanto, no es difícil entender por qué existe un interés considerable en mejorar el rendimiento de los motores de recomendación. De hecho, en 2006, el proveedor de películas en línea, Netflix, ofreció un premio de $ 1 millón a cualquiera que pudiera mejorar su algoritmo de recomendación en más del 10 por ciento. El premio fue debidamente arrebatado apenas tres años después.

Entonces, ¿de dónde podrían venir las próximas mejoras?

Hoy recibimos una especie de respuesta gracias al trabajo de Amy Zhang del Instituto Tecnológico de Massachusetts en Cambridge y un par de amigos. Estos muchachos señalan que cuando se trata de servicios en línea como proveedores de películas, varias personas a menudo comparten la misma cuenta. Eso significa que la elección de películas y las calificaciones de esta cuenta son las elecciones combinadas de varias personas diferentes.

La pregunta que se propusieron responder es si es posible identificar cuentas compartidas simplemente estudiando las calificaciones asociadas a ellas. Y si es así, ¿cómo deberían modificarse las recomendaciones en respuesta?

Comienzan con dos conjuntos de datos de recomendaciones de películas. El primero consta de más de 4 millones de recomendaciones de 171.000 usuarios sobre más de 20.000 películas. Este conjunto de datos también tiene información adicional sobre los arreglos del hogar para un subconjunto de 600 usuarios. De estos, 272 hogares tienen dos usuarios, 14 tienen tres usuarios y cuatro tienen cuatro usuarios. Entonces, las recomendaciones de estos hogares brindan una verdad básica de las cuentas compartidas.

Zhang y compañía también tienen el conjunto de datos de Netflix de calificaciones de casi 500,000 usuarios para más de 17,000 películas.

Comienzan su análisis con un tratamiento matemático de cómo descomponer un conjunto conjunto de calificaciones en sus partes componentes. La tarea consiste esencialmente en encontrar una serie de grupos coherentes de recomendaciones que correspondan al número de personas en el hogar.

En la práctica, esto significa encontrar grupos de películas similares con calificaciones similares. Una técnica que resulta importante es que es posible asignar algunas películas a diferentes usuarios con mucha confianza. Por ejemplo, las películas Toy Story, Monsters Inc y Frozen bien pueden haber sido vistas y calificadas por una persona diferente a un grupo de películas que incluyen Texas Chainsaw Massacre, Alien y The Exorcist.

En matemáticas, esto se conoce como un problema de agrupamiento subespacial y existen varios enfoques estándar para resolverlo. Zhang y compañía primero aplican estos métodos a los conjuntos de datos en los que se conocen los hogares para descubrir cuál funciona mejor.

Luego aplicaron este método a alrededor de 55,000 usuarios en la base de datos de Netflix que calificaron más de 500 películas. Su algoritmo etiquetó 37 000 de ellas como cuentas de una sola persona, 15 000 como cuentas de 2 personas y 3000 como cuentas utilizadas por 3 o más personas.

No hay forma de saber si esta división es correcta ya que la información de la verdad del terreno no está disponible. Sin embargo, es posible estudiar estas cuentas compuestas para ver si parecen razonables. Una inspección visual de las cuentas que se etiquetaron como compuestas arroja algunas observaciones interesantes, dicen Zhang y compañía.

Por ejemplo, encontraron en muchas cuentas que las secuelas o temporadas del mismo programa de televisión estaban agrupadas. También encontraron que un usuario preferiría películas etiquetadas como ciencia ficción y fantasía, mientras que otro podría preferir películas etiquetadas como románticas. Eso parece darles a Zhang y compañía la confianza de que su algoritmo está en el camino correcto.

La pregunta final es cómo cambiar las recomendaciones una vez que el algoritmo ha establecido que más de un usuario comparte la misma cuenta. La respuesta es sencilla. Simplemente muestre las mejores recomendaciones para cada usuario.

Ese es un enfoque interesante, aunque no está claro cuánto mejor funcionan estas recomendaciones sobre los motores convencionales en términos de si aumentan las ventas o no. Ese es un objetivo obvio para futuras investigaciones.

Curiosamente, Zhang y compañía señalan que este enfoque puede permitir que una sola persona aparezca como un compuesto al incluir deliberadamente calificaciones en películas que normalmente no le gustarían. Alterar o aumentar el perfil de calificación de uno para que aparezca como un usuario compuesto, con el propósito de ocultar, por ejemplo, el género de uno, es un tema de investigación interesante, dicen.

Quizás veamos los resultados de esta investigación en algún momento en el futuro.

Ref: arxiv.org/abs/1408.2055 : Adivina quién calificó esta película: identificación de usuarios a través de la agrupación en subespacio

esconder