Hacia sistemas recomendadores cognitivos
Autores: Beheshti, Amin; Yakhchi, Shahpar; Mousaeirad, Salman; Ghafari, Seyed Mohssen; Goluguri, Srinivasa Reddy; Edrisi, Mohammad Amin
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Hacia sistemas recomendadores cognitivos
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Inteligencia
Sistemas de recomendación
Conocimiento de expertos en el dominio
Basado en datos
Basado en cognición
Limitaciones
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
La inteligencia es la capacidad de aprender de la experiencia y utilizar el conocimiento de expertos en el dominio para adaptarse a nuevas situaciones. En este contexto, un Sistema de Recomendación inteligente debería ser capaz de aprender del conocimiento y la experiencia de los expertos en el dominio, ya que es vital conocer el dominio para el cual se recomendarán los elementos. Tradicionalmente, los Sistemas de Recomendación han sido reconocidos como generadores de listas de reproducción para servicios de video/música (por ejemplo, Netflix y Spotify), recomendadores de productos de comercio electrónico (por ejemplo, Amazon y eBay), o recomendadores de contenido social (por ejemplo, Facebook y Twitter). Sin embargo, los Sistemas de Recomendación en las empresas modernas están altamente impulsados por datos/conocimientos y pueden depender de aspectos cognitivos de los usuarios como la personalidad, el comportamiento y la actitud. En este documento, revisamos y resumimos estudios previamente publicados sobre Sistemas de Recomendación para ayudar a los lectores a comprender las contribuciones de nuestro método en este contexto. Discutimos las limitaciones actuales de los enfoques de vanguardia en los Sistemas de Recomendación y la necesidad de nuestro nuevo enfoque: una visión y un marco general para un nuevo tipo de Sistemas de Recomendación impulsados por datos, conocimientos y cognición, a saber, . Los Sistemas de Recomendación Cognitivos serán el nuevo tipo de Sistemas de Recomendación inteligentes que comprenden las preferencias del usuario, detectan cambios en las preferencias del usuario con el tiempo, predicen los favoritos desconocidos del usuario y exploran mecanismos adaptativos para permitir acciones inteligentes dentro de entornos compuestos y cambiantes. Presentamos un escenario motivador en banca y argumentamos que los Sistemas de Recomendación existentes: (i) no utilizan el conocimiento de expertos en el dominio para adaptarse a nuevas situaciones; (ii) pueden no ser capaces de predecir las calificaciones o preferencias que un cliente daría a un producto (por ejemplo, préstamo, depósito o servicio de confianza); y (iii) no admiten la captura de datos y análisis en torno a las actividades cognitivas de los clientes y no lo utilizan para proporcionar recomendaciones inteligentes y conscientes del tiempo.
Descripción
La inteligencia es la capacidad de aprender de la experiencia y utilizar el conocimiento de expertos en el dominio para adaptarse a nuevas situaciones. En este contexto, un Sistema de Recomendación inteligente debería ser capaz de aprender del conocimiento y la experiencia de los expertos en el dominio, ya que es vital conocer el dominio para el cual se recomendarán los elementos. Tradicionalmente, los Sistemas de Recomendación han sido reconocidos como generadores de listas de reproducción para servicios de video/música (por ejemplo, Netflix y Spotify), recomendadores de productos de comercio electrónico (por ejemplo, Amazon y eBay), o recomendadores de contenido social (por ejemplo, Facebook y Twitter). Sin embargo, los Sistemas de Recomendación en las empresas modernas están altamente impulsados por datos/conocimientos y pueden depender de aspectos cognitivos de los usuarios como la personalidad, el comportamiento y la actitud. En este documento, revisamos y resumimos estudios previamente publicados sobre Sistemas de Recomendación para ayudar a los lectores a comprender las contribuciones de nuestro método en este contexto. Discutimos las limitaciones actuales de los enfoques de vanguardia en los Sistemas de Recomendación y la necesidad de nuestro nuevo enfoque: una visión y un marco general para un nuevo tipo de Sistemas de Recomendación impulsados por datos, conocimientos y cognición, a saber, . Los Sistemas de Recomendación Cognitivos serán el nuevo tipo de Sistemas de Recomendación inteligentes que comprenden las preferencias del usuario, detectan cambios en las preferencias del usuario con el tiempo, predicen los favoritos desconocidos del usuario y exploran mecanismos adaptativos para permitir acciones inteligentes dentro de entornos compuestos y cambiantes. Presentamos un escenario motivador en banca y argumentamos que los Sistemas de Recomendación existentes: (i) no utilizan el conocimiento de expertos en el dominio para adaptarse a nuevas situaciones; (ii) pueden no ser capaces de predecir las calificaciones o preferencias que un cliente daría a un producto (por ejemplo, préstamo, depósito o servicio de confianza); y (iii) no admiten la captura de datos y análisis en torno a las actividades cognitivas de los clientes y no lo utilizan para proporcionar recomendaciones inteligentes y conscientes del tiempo.