Influence of the inclusion of unstructured data in recommender systems

Abstract

La gran cantidad de datos disponibles a través de la red hacen más que patente la necesidad de sistemas que nos ayuden a separar el contenido relevante del que carece de importancia. Esta tarea es realizada por los llamados Sistemas de Recomendación, y en la actualidad podemos encontrarlos en la mayoría de las webs que utilizamos diariamente. Estos sistemas se entrenan, tradicionalmente, haciendo uso de las interacciones históricas de los usuarios (compras realizadas, canciones o videos reproducidos, noticias leídas, ...) puesto que no suele existir más información disponible para hacerlo. En la actualidad, muchas plataformas permiten también que los usuarios extiendan su opinión sobre la interacción mediante texto o imágenes (información no estructurada), los cuales, creemos que pueden utilizarse a la hora de crear o mejorar un Sistema de Recomendación. En los diversos trabajos de esta tesis pretendemos sacar provecho de este tipo de información (texto e imágenes particularmente) de diferentes formas con el objetivo de, no solo mejorar el rendimiento de los Sistemas de Recomendación, también su experiencia de uso, las formas en las que obtener una recomendación o la presentación de las recomendaciones finales entre otros.