Estudio de algoritmos de recomendación no supervisados en redes sociales utilizando conceptos de teoría de grafos.

Abstract

Los inicios del internet se remontan a fines de los años 60, con la creación de ARPANET, una red de computadoras creadas para el Departamento de Defensa de Estados Unidos; cuyo uso era la comunicación entre las diferentes instituciones académicas y estatales. Más tarde, con la creación de la Worl Wide Web (dominio WWW), el uso del internet se masificó, hasta las instancias en las que nos encontramos hoy en día, estimándose la cantidad de usuarios de internet en 4.66 billones (alrededor del 60 % de la población mundial), donde 4.2 billones son usuarios de redes sociales [3]. Es imaginable que con la gran cantidad de usuarios en línea existan grandes volúmenes de información (datos, publicidad, perfiles de usuarios en las redes sociales, videos, etcétera), sin ir más lejos, a Youtube, la plataforma más popular de videos, se cargan más de 48hrs de videos por minuto y reciben más de mil millones de reproducciones diarias [28]. Es a raíz de estos grandes volúmenes de datos donde surge la necesidad de optimizar los tiempos de búsqueda en la web, para así mejorar la experiencia de los usuarios. Los algoritmos de recomendación son definidos por Ruchita V. Tatiya y Archana S. Vaidya en [26] como una subclase de sistemas de filtrado de información que intentan entregar al usuario una guía sobre servicios útiles en función de sus preferencias, comportamiento pasado o similitud de gustos con otros usuarios; como servicios útiles se puede entender: películas, música, libros, artículos en general, perfiles de usuarios, páginas web, etc. El algoritmo de recomendación busca predecir el interés que despierta en el usuario un ítem que este no ha considerado antes, dichas predicciones pueden estar basadas en distintos parámetros, ya sea, del usuario, del ítem o de ambos.