Filtrado Colaborativo
- Propuesto por
- GroupLens; Sarwar et al. (item-based); Koren et al. (matrix factorization)
- Año
- 2001
- Tipo
- Recommendation from user-item interactions
- Familia
- Recommender systems
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
El filtrado colaborativo recomienda artículos a un usuario aprovechando las preferencias de muchos usuarios: 'a las personas que les gustó lo que a ti te gustó, también les gustó esto'.
Aprende de una matriz dispersa de interacciones usuario-artículo, ya sea encontrando usuarios o artículos similares (métodos de vecindad, formalizados por Sarwar et al. en 2001) o factorizando la matriz en factores latentes de usuario y artículo (factorización de matrices, popularizada por Koren et al. después del Netflix Prize).
La intuición detrás del método
No necesitas saber nada sobre el contenido de un artículo para recomendarlo, solo cómo las personas han interactuado con él. El filtrado colaborativo explota patrones en una tabla gigante, mayormente vacía, de usuarios frente a artículos: si dos usuarios calificaron muchas películas de manera similar, los favoritos no vistos de uno son buenas apuestas para el otro (basado en usuarios); si dos artículos son calificados de manera similar por los usuarios, que te guste uno predice que te gustará el otro (basado en artículos). La factorización de matrices profundiza, explicando cada calificación como el producto punto de un vector corto de 'gustos' del usuario y un vector de 'perfil' del artículo, aprendido para reconstruir las calificaciones conocidas y predecir las faltantes.
Historia
El filtrado colaborativo surgió de los proyectos GroupLens y Tapestry en la década de 1990. Sarwar, Karypis, Konstan y Riedl (2001) formalizaron el filtrado colaborativo escalable basado en artículos, y el Netflix Prize de 2006-2009 impulsó los métodos de factorización de matrices de factores latentes, resumidos en el influyente artículo de Koren, Bell y Volinsky de 2009. Desde entonces, el campo se ha extendido a la retroalimentación implícita, modelos híbridos de contenido-colaborativo y recomendadores de aprendizaje profundo, pero el filtrado colaborativo de vecindad y factorización de matrices siguen siendo las técnicas fundamentales.
Cuándo usarlo
Utiliza el filtrado colaborativo para construir recomendaciones solo a partir de datos de interacción — plataformas de comercio electrónico, streaming, noticias y contenido — cuando tienes suficientes usuarios e interacciones para revelar patrones compartidos y no quieres depender del contenido del artículo. Los métodos de vecindad son simples e interpretables ('porque te gustó X'); la factorización de matrices escala mejor, maneja la dispersión y generalmente predice con mayor precisión. Limitaciones clave: el problema del arranque en frío (los nuevos usuarios/artículos sin interacciones no pueden ser ubicados), la dispersión y el sesgo de popularidad, y la necesidad de datos de interacción sustanciales. El filtrado colaborativo puro ignora los atributos del artículo/usuario, por lo que a menudo se combina con características de contenido en recomendadores híbridos; los recomendadores de retroalimentación implícita y de aprendizaje profundo extienden la misma idea. Está estrechamente relacionado con la completitud de matrices y NMF.
Limitaciones y consideraciones
- Arranque en frío: no puede hacer recomendaciones para usuarios o artículos nuevos sin interacciones.
- Sensible a la dispersión y sesgado hacia artículos populares.
- Ignora atributos de artículo/usuario (contenido), a diferencia de los enfoques híbridos.
- Requiere datos de interacción sustanciales para funcionar bien.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Solo necesita datos de interacción — sin contenido de artículo ni ingeniería de características.
- Captura patrones de gustos sutiles y difíciles de articular de la multitud.
- La factorización de matrices escala a matrices grandes y dispersas y predice con precisión.
- Los métodos de vecindad proporcionan explicaciones interpretables de 'porque te gustó…'.
Aplicaciones
- Recomendaciones de productos en comercio electrónico.
- Recomendaciones de películas, música y videos en plataformas de streaming.
- Personalización de noticias y contenido.
- Sugerencias de amigos/conexiones en redes sociales.
- Funciones de venta cruzada y 'los clientes también compraron'.
Cómo funciona
Cómo funciona
La entrada es una matriz usuario-artículo de calificaciones o interacciones implícitas (clics, compras). Es extremadamente dispersa —la mayoría de las entradas son desconocidas— y la tarea es predecir las entradas faltantes (cómo un usuario calificaría/gustaría un artículo no visto) para que se puedan recomendar las principales predicciones.
Fórmula
R \in \mathbb{R}^{u\times i}\ \text{(ratings/interactions, mostly missing)}Los métodos de vecindad calculan la similitud entre usuarios (o entre artículos) a partir de sus calificaciones superpuestas, típicamente similitud coseno o correlación de Pearson. Una alta similitud significa que dos usuarios comparten gustos, o dos artículos atraen a las mismas audiencias; estas similitudes impulsan las predicciones.
Fórmula
\text{sim}(a,b) = \dfrac{\sum_k r_{ak} r_{bk}}{\sqrt{\sum r_{ak}^2}\sqrt{\sum r_{bk}^2}}\ (\text{cosine / Pearson})El filtrado colaborativo basado en artículos predice la calificación de un usuario para un artículo como un promedio ponderado por similitud de las calificaciones de ese usuario en artículos similares (el basado en usuarios hace lo análogo sobre usuarios similares). El basado en artículos generalmente se prefiere a escala porque las similitudes artículo-artículo son más estables y precalculables.
Fórmula
\hat r_{ui} = \dfrac{\sum_{j\in N(i)} \text{sim}(i,j)\, r_{uj}}{\sum_{j\in N(i)} |\text{sim}(i,j)|}Los modelos de factores latentes descomponen la matriz de calificaciones en matrices de usuario y artículo de bajo rango, de modo que cada calificación se aproxima por el producto punto de un vector de factores de usuario y un vector de factores de artículo. Los factores se aprenden minimizando el error cuadrático regularizado sobre las calificaciones observadas (mediante SGD o mínimos cuadrados alternos), y capturan dimensiones ocultas de gustos, generalizando mejor y manejando bien la dispersión.
Fórmula
\hat r_{ui} = p_u^\top q_i,\quad \min_{P,Q}\sum_{(u,i)\in\mathcal{K}} (r_{ui}-p_u^\top q_i)^2 + \lambda(\lVert p_u\rVert^2+\lVert q_i\rVert^2)Errores comunes
- Ignorar el problema del arranque en frío en la implementación (los artículos nuevos no obtienen exposición).
- Evaluar solo el error de calificación ignorando el ranking/top-N y el sesgo de popularidad.
- Usar CF basado en usuarios a escala donde el basado en artículos o la factorización es mucho más eficiente.
- Fuga de interacciones futuras al entrenamiento al dividir datos (debe dividir por tiempo).
Preguntas frecuentes
¿Cuál es la diferencia entre el filtrado colaborativo basado en usuarios y el basado en artículos?
El CF basado en usuarios recomienda artículos que les gustaron a usuarios similares a ti; el CF basado en artículos recomienda artículos similares (en cómo los usuarios los calificaron) a los que ya te gustaron. El basado en artículos generalmente se prefiere a escala porque las similitudes artículo-artículo son más estables con el tiempo y se pueden precalcular sin conexión.
¿Cómo mejora la factorización de matrices los métodos de vecindad?
Representa a usuarios y artículos mediante vectores cortos de factores latentes aprendidos de los datos, de modo que cada calificación es su producto punto. Esto captura dimensiones ocultas de gustos, maneja mejor la dispersión, generaliza más allá de los vecinos directos y, típicamente, predice con mayor precisión, razón por la cual dominó las soluciones del Netflix Prize.
¿Cuál es el problema del arranque en frío?
El filtrado colaborativo se basa en interacciones pasadas, por lo que no puede hacer buenas recomendaciones para usuarios o artículos completamente nuevos que no tengan ninguna. Los remedios incluyen solicitar preferencias iniciales, recurrir a la popularidad o hibridar con características basadas en contenido que no requieren historial de interacciones.
Métodos relacionados
Fuentes
Sarwar, B., Karypis, G., Konstan, J., & Riedl, J. (2001). Item-based collaborative filtering recommendation algorithms. Proceedings of the 10th International Conference on World Wide Web, 285–295.
Abrir referencia DOICopiado.Koren, Y., Bell, R., & Volinsky, C. (2009). Matrix factorization techniques for recommender systems. Computer, 42(8), 30–37.
Abrir referencia DOICopiado.