Soluciones multi-brazo en el ciclo de vida de un sistema de recomendación

Abstract

Cada día crece más la cantidad de información que utilizan todos los sistemas inteligentes existentes en la actualidad. Entre todos esos sistemas se puede observar cómo los sistemas de recomendación han adquirido mucha importancia en los últimos tiempos con aplicaciones como Netflix o Spotify, imprescindibles en la vida de muchas personas. El trabajo se enmarca por tanto en el ámbito de los sistemas de recomendación centrándose en la evaluación de dichos sistemas. Más exactamente mediante esta evaluación se quiere comprobar si el uso de soluciones multi-brazo en el ciclo de vida de estos sistemas produce mejores resultados que los métodos tradicionales. Dichas soluciones multi-brazo, a diferencia de lo que se viene haciendo, donde cada uno de los brazos es un ítem, tendrán en cada uno de sus brazos un recomendador distinto, de modo que hará las veces de ensemble de recomendadores. De este modo, para cada recomendación, se escoge según la estrategia utilizada un único recomendador que será el que devuelva la recomendación. Con ello se van a plantear diferentes ciclos de vida para la evaluación que serán analizados de forma comparativa, siendo estos una evaluación offline periódica, tests A/B con una fracción fija de tráfico, tests A/B basados en bandidos multi-brazo con una fracción fija de tráfico y una evaluación típica multi-brazo. Para todas las pruebas planteadas se considerarán diferentes puntos del ciclo de vida de manera que se analizará el comportamiento que sigue cada variante en los diferentes momentos del ciclo de vida que puede tener un sistema de recomendación