Metodología para el desarrollo de sistemas de recomendación de comercio electrónico basada en el filtrado colaborativo con retroalimentación implícita : un nuevo campo de acción de la estadística

Abstract

Los sistemas de recomendación, basados específicamente en el filtrado colaborativo, son sistemas que generan recomendaciones a un usuario activo según la similitud que éste tiene con otros usuarios. En este trabajo se propone una metodología para desarrollar sistemas de recomendación enfocados a los comercios electrónicos, recurriendo tan solo al historial de visitas, partiendo de que difícilmente un cliente califica un producto en todas las visitas. El tiempo relativo que ha estado cada cliente en un ítem es una información implícita que se aprovecha en esta investigación para hacer recomendaciones que puedan ser de interés del usuario activo. La metodología fue establecida haciendo uso de la técnica de los k vecinos más cercanos con base a la información implícita asociada al tiempo de visita a los ítems. Se desarrollaron programas de computación en los que se implementa el algoritmo para encontrar los k vecinos más cercanos de forma eficiente, con el fin de reducir, sustancialmente, el tiempo de generación de las recomendaciones. Esta propuesta metodológica fue validada con los datos de un determinado comercio electrónico; los resultados obtenidos son alentadores como alternativa para la implementación de los sistemas de recomendación.