El campo del desarrollo de llamados «sistemas de recomendación» o «recomendadores» ha crecido de un par de docenas de investigaciones desde mediados de la década de 1990.  Hoy es un tema de ávido interés y actividad. Minoristas y docenas de otras compañías se centran en este tipo de sistemas para potenciar sus ventas y captar clientes.

Comenzaron como predictores de comportamiento relativamente crudos y, a menudo, inexactos, pero han evolucionado considerablemente. Hoy en día, los recomendadores son sistemas extremadamente sofisticados y especializados que a menudo parecen conocerte mejor que tú mismo. Amazon y Netflix son dos buenos ejemplos de esto.

¿Cómo se ve uno para estos sistemas? Como una larga fila de números en una tabla muy grande que describe todo lo que se ha visto, todo en lo que se ha hecho click y todo lo que se ha comprado o consultado en el sitio. Los renglones en la tabla representan a otros compradores. El registro (la fila) cambia cada vez que se ingresa al sitio, y cambia nuevamente con cada acción que realiza mientras se está allí. Esa información a su vez afecta lo que se ve en cada página que visita, así como el correo electrónico y las ofertas especiales que se reciben de la empresa.

References

[1] J. A. Konstan and J. Riedl, “Deconstructing Recommender Systems,” IEEE Spectrum, 24-Sep-2012. [Online]. Available: http://spectrum.ieee.org/computing/software/deconstructing-recommender-systems. [Accessed: 30-May-2015].