TY - JOUR 
A1 - Fuster Pay, Ana
T1 - Study of individual users and groups : perceptions of recommender systems performance

Y1 - 2015
UR - http://hdl.handle.net/10317/4787
AB - [SPA]La cantidad de información disponible en Internet ha crecido enormemente desde la aparición de nuevas tecnologías y redes sociales. Como consecuencia de este crecimiento, ha nacido un problema denominado ‘sobrecarga de información’. La solución a dicho problema es el uso de sistemas de recomendación, de esta manera conseguimos filtrar aquella información que realmente es relevante para el usuario, se aligera el tiempo empleado para la toma de decisiones a la hora de realizar una compra, seleccionar un libro para leer o una película para ver. Sin embargo, ¿cómo podemos estar seguros de que estamos usando el mejor sistema de recomendación?
Muchos investigadores han analizado el empleo de nuevas medidas subjetivas para medir la percepción que los usuarios tienen del sistema, ya que la satisfacción de los usuarios asegura la optimización del sistema. Con el fin de encontrar la relación entre dichas medidas y la calidad del sistema, realizamos un estudio con usuarios reales en el dominio de las películas, con el propósito de analizar cómo afectan estas medidas a su satisfacción.
En este estudio se han examinado 6 algoritmos de recomendación diferentes (tres algoritmos de filtrado colaborativo, un algoritmo híbrido y dos algoritmos básicos) a través de una evaluación offline con el fin de identificar los mejores parámetros para configurar cada uno de los algoritmos, seguida por una evaluación online con usuarios reales. En dicha evaluación online, los usuarios tienen que comparar seis listas con películas recomendadas por cada uno de los algoritmos, además de responder a una serie de preguntas para medir la Precisión, Novedad, Confianza, Variedad, Efectividad y Calidad de cada uno de los algoritmos de recomendación empleados.
Además, también llevamos a cabo el análisis de recomendaciones grupales con el propósito de demostrar que no se necesitan sistemas complejos para crear buenas recomendaciones para grupos. También investigamos si las medidas subjetivas mencionadas con anterioridad influyen en la satisfacción del grupo con las recomendaciones recibidas.[ENG]The amount of data available on the Internet has enormously
increased since the apparition of new technologies and social
networks. As a consequence, a problem has emerged called
‘information overload’. The solution for this problem is the
use of recommender systems. However, how can we be sure
that we are using the best system to make recommendations?
Lots of researchers [1] [4] [5] [8] have discussed the use of
new subjective metrics to measure the perception of the
system that users have about it since users satisfaction ensures
the goodness of the recommender. To figure out the relation
among these metrics and the quality of a system, we offer a
user study in the movie domain with the aim of analyzing how
these metrics affect their satisfaction.
This paper examines six different algorithms (three common
collaborative filtering, one hybrid, and two basics) through an
offline evaluation to identify the best parameter for each of
them, followed by the online evaluation with real users. In this
online experiment, users have to compare six lists of
recommendations produced by each algorithm regarding the
measurements of Accuracy, Novelty, Understands Me,
Diversity, Effectiveness and Quality.Our study also covers the analysis of group
recommendations with the purpose of proving that there is no
need for complex systems in order to make good group
recommendations. Moreover, we investigate whether the
subjective metrics above mentioned influence in group
satisfaction.
KW - Teoría de la Señal y las Comunicaciones
KW - recommender system, users
KW - satisfaction
KW - subjective metrics
KW - groups recommendations
KW - satisfación
KW - recomendaciones
KW - métricas
LA - spa
ER -