Sistema de recomendaciones soportado en un esquema de cooperación Smart TV - Smartphone para entornos de publicidad ubicua

Abstract

La presente investigación propone una original aproximación para un Sistema de Recomendaciones basado en confianza, soportado en un esquema de cooperación Smart TV - Smartphone. Con este propósito se realizaron tres estudios complementarios: en un primer estudio, el trabajo se focalizó en el diseño de un algoritmo de inferencia de confianza entre usuarios a partir de la información disponible en un red social de uso masivo como Facebook; posteriormente, en una segunda etapa se diseñó una aproximación para adaptar un algoritmo de filtrado colaborativo clásico que incorporara dicha información de confianza al momento de generar las recomendaciones. Igualmente, se diseñó un mecanismo de cooperación Smart TV - Smartphone para soportar la entrega de recomendaciones bajo un principio precisión/novedad. Durante el desarrollo de los estudios, se plantearon pruebas online y offline con el ánimo de facilitar la comprobación de las hipótesis. Específicamente, las contribuciones de la presente investigación se pueden resumir de la siguiente manera: i) un algoritmo para inferir confianza a partir de la información disponible en la red social Facebook; ii) la adaptación de un algoritmo de filtrado colaborativo clásico para incluir el componente de confianza; iii) un esquema de cooperación Smart TV - Smartphone que soporta la entrega de recomendaciones bajo una aproximación multi-pantalla, con el ánimo de mejorar el balance precisión/novedad percibido por los usuarios; iv) un método de referencia para evaluar el sistema de recomendaciones desde una perspectiva precisión/ novedad.

Finalmente, a partir de los resultados obtenidos se pueden evidenciar dos importantes conclusiones: la inclusión de información de confianza en el algortimo de filtrado colaborativo, puede ocasionar un detrimento en la precisión pero a costa de una mejora en la novedad de las recomendaciones; en el mismo sentido, el soporte que ofrece un esquema multipantalla para el despliegue de los anuncios, mejora igualmente el balance entre la precisión y la novedad percibida por los usuarios, lo cual evidencia que un mejor comportamiento del sistema de recomendaciones no sólo depende de la mejora de los algoritmos per-se como lo han planteado otras investigaciones, sino también de una adecuada estrategia de despliegue. Algunas limitaciones relacionadas con el manejo de la naturaleza ad-hoc en la conformación de los grupos en escenarios digital-signage, lo cual dificulta la extracción de la información desde la red social para la inferencia de confianza, o la mejora en los esquemas de seguridad del middleware Smart TV - Smartphone y su extensión a otras plataformas constituyen tópicos de interés para trabajos futuros.

This research proposes a novel approach for a trust based Recommender System supported on a Smart TV - Smartphone cooperation framework. Basically, three studies were done: in a first study, a trust inference algorithm between users was designed from the information of a massive used social network like Facebook; in a second phase, an approach to adapt a collaborative filtering algorithm included the trust information during the recommendations generation process. Additionally, a Smart TV - Smartphone cooperation mechanism design supported the recommendations delivery strategy under a precision/novelty principle. During the studies development, offline and online tests supported the experiments to validate the hypothesis. Specifically, the following contributions may be highlighted for the current work: i) an algorithm to infer trust from the Facebook social network information; ii) a classic colaborative filtering algorithm adaptation to include the trust component; iii) a Smart TV - Smartphone cooperation framework to support multi-screen recommendations delivery as a method to improve the precision/novelty balance perceived by the users; iv) a reference method to evaluate the recommender system from a precision/novelty perspective. Finally, from the results of the current work there are two important conclusions: the inclusion of trust in the collaborative filtering algorithm may affect the precision adversely but also it improves the novelty of the recommendations. On the other hand, the support of a multiscreen approach for ads delivery improves the precision/novelty balance perceived by the users; it means the improvement of the recommender system behavior not only depends on the algorithms improvements themself (which has been the target of other researches) but also a better recommendations display and delivery strategy. Some interest topics for future works are related to the management of the ad-hoc nature during the groups conformation in digital signage environments, which makes more complex the process for extracting the information for trust inference from the social network; other topics are related to the improvement of the security framework for the Smart TV - Smartphone middleware and its extension to other platforms.