Métodos de agrupamiento en el cálculo de distancias entre usuarios en un sistema de recomendación basado en algoritmos de filtrado colaborativo

Los sistemas de recomendación tratan de automatizar los procesos sociales por los que habitualmente se recurre a las opiniones de terceros más expertos cuando se quiere tomar una decisión para adquirir algo sin tener la suficiente información para ello. Generalmente son decisiones sencillas en el entorno de la vida cotidiana, como qué libro leer, qué película ver, qué música escuchar o qué lugares visitar. Unos de los tipos de sistemas de recomendación que existen son los basados en filtrado colaborativo. El proceso en estos sistemas consiste en recomendar ítems que han gustado a usuarios con gustos similares. Para ello, se tienen que recopilar en una base de datos las preferencias sobre los elementos de cada usuario para luego poder calcular las recomendaciones. A la hora de diseñar un sistema de recomendación mediante filtrado colaborativo hay que tener en cuenta la forma de almacenar las votaciones que se dan a los ítems por los usuarios del sistema, garantizar la privacidad y el tratamiento eficiente de la información e intentar dar soluciones a los problemas inherentes a estos sistemas. En este proyecto fin de carrera se realiza un trabajo sobre las técnicas de filtrado colaborativo describiendo los algoritmos y métricas más empleados, así como las ventajas e inconvenientes de estos sistemas de recomendación. El trabajo experimental es la implementación de un sistema de recomendación con técnicas de filtrado colaborativo donde modificamos el cálculo de distancias entre usuarios empleando métodos de agrupamiento. Para ello, tomaremos como base el toolkit implementado por el Doctor Guy Lebanon: C/Matlab Toolkit for Collaborative Filtering, y evaluaremos el impacto de utilizar dichos algoritmos de clustering en una plataforma ya creada sobre una base de datos real; la base de datos EachMovie del grupo de investigación GroupLens.Ingeniería de Telecomunicació