Contextual Computing (II): Recomendadores

Una de las principales áreas de investigación  en la computación contextual (Contextual Computing)  esta enfocada a  los recomendadores.

La integración de contexto en los recomendadores  se  centra principalmente entorno al usuario,  siendo algunas de las areas  de   análisis y obtención de resultados:

• Los modelos de contexto de la memoria humana.
• Los modelos de contexto basado en observaciones del comportamiento del usuario.
• La ampliacion al papel del conocimiento del dominio y la semántica como parte integrante de contexto de usuario.
• Las anotaciones sociales.

En Brainsins, el análisis  de información contextual  es una de las áreas  que tienen gran peso  y  que integran nuestro sistema de recomendaciones como podemos ver en  la siguiente  imagen  y que no solo se  usa en nuestro sistema de recomedaciones sino en otros los  productos y servicios  que ofrecemos:

Algunos de los algoritmos  comparativos que se pueden usar para modelo social, contextual son:

• Basados en contenidos.
• Filtrado colaborativo.
• FeedbackTrust basado en retroalimentacion con otros usuarios.
• Basados en influencia.
• Basados en datos de redes sociales.
• Probabilistic Matrix Factorization
• Matrix factorization objective function with Social Regularization

Referencias:

• https://www.brainsins.com/es/soluciones-ecommerce/recomendaciones
• https://www.brainsins.com/es/soluciones-ecommerce
• https://recsys.acm.org/recsys13/tutorials/
• https://www.meng-jiang.com/cikm12-social-contextual-recommendation.pdf
• https://es.wikipedia.org/wiki/Filtrado_colaborativo
• https://es.wikipedia.org/wiki/Sistema_de_recomendación