Mañana, JUEVES, 24 DE ABRIL, el sistema se apagará debido a tareas habituales de mantenimiento a partir de las 9 de la mañana. Lamentamos las molestias.
Aplicación de la Teoría de Juegos de Utilidad Transferible a los Sistemas de Recomendación a Grupos
Author
Romero Palop, Juan de DiosAdvisor
Díez Rubio, FernandoEntity
UAM. Departamento de Ingeniería InformáticaDate
2015-07Subjects
Juegos, Teoría de los; InformáticaEsta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.
Abstract
La teoría de juegos y los sistemas de recomendación son dos áreas de conocimiento cuya colaboración no ha sido estudiada en profundidad hasta el momento. El objetivo de este trabajo es analizar la posibilidad de utilizar resultados de teoría de juegos para generar nuevos sistemas de recomendación colaborativos. Para ello, el primer paso llevado a cabo consiste en identificar los conceptos comunes que permitan adaptar los resultados de la teoría de juegos para generar recomendaciones. Una vez hecho esto, se presenta una propuesta para la construcción de un sistema de recomendación colaborativo a partir de técnicas propias de la teoría de juegos cooperativos. El método propuesto se basa en la idea de la formación incremental de coaliciones utilizada por Lloyd S. Shapley para describir su solución del problema de reparto. De esta manera, el sistema lleva a cabo un proceso iterativo que, en cada ejecución, agrupa a los usuarios que mayor grado de similitud tengan entre sí. Así mismo, para medir el grado de similitud entre usuarios se ha combinado el concepto de función característica, propio de los juegos cooperativos, con los conceptos de métrica y distancia entre clusters de los sistemas de recomendación. Para poder probar la validez del método descrito, se ha implementado un caso práctico consistente en un sistema de recomendación de películas basado en el conjunto de datos CAMRa2010 Filmtipset Social. Aunque las implementaciones del método propuesto no mejoran los resultados obtenidos por los métodos tradicionales, sí que se han obtenido tasas de error muy similares y, por lo tanto, se puede concluir que es razonable profundizar en la idea de combinar estas dos áreas utilizando el método propuesto como punto de partida para ello. Game theory and recommendation systems are two areas of knowledge whose cooperation has not been studied in depth so far. The aim of this paper is to analyze the possibility of using game theory results to generate new recommendation systems. To do so, the first step involves identifying common concepts in order to use them as grounds for applying results of game theory to the recommendation process. Once this is done, a proposal to build a collaborative recommendation system based on cooperative games theory techniques is presented. The proposed method is based on the idea of incremental coalition formation used by Lloyd S. Shapley in order to describe his solution to the fair division problem. Thereby, the system carries out an iterative process that, in each iteration, groups together those users with the greatest similarity between them. Also, to measure the degree of similarity between users, the characteristic function concept from game theory has been joined with the recommendation concepts of metric and distance between clusters. In order to test the validity of the described method, we have implemented a case consisting of a movie recommendation system based on the CAMRa2010 Social Filmtipset dataset. Although the implementations of the proposed method do not improve the results obtained by traditional methods, the error rates are very similar and, therefore, we can conclude that it is reasonable to go further with the idea of combining these two areas using the designed method as starting point for this purpose.
Files in this item
Google Scholar:Romero Palop, Juan de Dios
This item appears in the following Collection(s)
Except where otherwise noted, this item's license is described as https://creativecommons.org/licenses/by-nc-nd/4.0/
Related items
Showing items related by title, author, creator and subject.