¿Qué es el filtrado colaborativo?

Fuente de la imagen: mvc archivo propio

No cabe duda de que la sugerencia casi nominada o individualizada que realizan las distintas plataformas de comercio electrónico a sus visitantes, se sustenta en el uso de la tecnología y el análisis masivo de nuestras distintas huellas digitales para conformar una orientación o recomendación específica. Entre otras técnicas y desarrollos programáticos de análisis, estos "comercios virtuales" utilizan algoritmos basados en la técnica conocida como "filtrado colaborativo". Ya empieza a ser público y notorio (en la cultura del “pueblo llano”), que entidades de ventas masivas on line trabajan con sistemas sustentados en inteligencia artificial (IA) para orientar a los internautas, potenciales compradores, hacia los productos o servicios que les interesan comercializar, sea Netflix (D. Floegel[1]) o Amazon (G. Linden y otro[2]), incluso en las redes sociales virtuales o social media (T. Zhang y otros[3]).

Pero ¿Qué es el filtrado colaborativo? Siguiendo a F. Meyer[4], S. Xiaoyuan y otro[5], consiste en la realización de predicciones sobre los intereses de un usuario a través de la recopilación masiva de las preferencias de otros usuarios, lo que constituye o justifica el uso del término “colaboración”. Es decir, se filtran los datos que generan tendencias o patrones de conducta mediante técnicas de análisis masivo de información proveniente de diversas fuentes, ya sean opiniones, críticas, preferencias, compras, colectivos concretos… El quid de la cuestión se encuentra en cómo concierto, armonizo y pondero esas distintas y masivas opiniones, preferencias, críticas… de la “masa colaborativa” que estoy analizando, con la finalidad de obtener una recomendación personalizada y certera para cada usuario que visita, bichea, merodea o consulta mi plataforma de comercio electrónico. Fuente de la imagen: mvc archivo propio.

_________________________

[1] Floegel, D. Labor, classification and productions of culture on Netflix[J]. Journal of Documentation. 2020.

[2] Linden, G., Smith, B. Two decades of recommender systems at Amazon. Com[J]. IEEE Internet Computing. 2017.

[3] Zhang, T., Li, W., Wang, L. Yang J. Social recommendation algorithm based on stochastic gradient matrix decomposition in social network. Journal of Ambient Intelligence and Humanized Computing. 2020.

[4] Meyer, Frank. Recommender systems in industrial contexts. Cornell University. 2012.

[5] Xiaoyuan Su, Taghi M. Khoshgoftaar. A Survey of Collaborative Filtering Techniques. Advances in Artificial Intelligence. 2009.