Integración de técnicas de personalización basadas en el comportamiento colaborativo del ser humano con interfaces de usuario inteligentes

Abstract

Esta tesis está enfocada en la problemática asociada a la personalización de información para usuarios que interactúan con grandes volúmenes de información. En concreto, la tesis se centra en el estudio de los sistemas de recomendación conversacionales basados en críticas como herramientas para ayudar a los usuarios en la búsqueda de productos o servicios. Los sistemas de recomendación basados en críticas permiten recoger información asociada a las preferencias del usuario a través de un proceso conversacional, en el cual el usuario puede realizar una retroalimentación a las recomendaciones recibidas. La retroalimentación recibida desde el usuario, permite al recomendador adquirir conocimiento acerca de las preferencias que tiene el usuario respecto del producto que desea y generar un perfil asociado al usuario. Este tipo de técnica de recomendación en forma de diálogo cíclico, que caracteriza a los sistemas de recomendación basados en críticas, ha demostrado resultados satisfactorios en estudios previos orientados principalmente al dominio de comercio electrónico. Sin embargo, cuando un usuario en el mundo real se encuentra en una tienda física, tiene la posibilidad de interactuar y comunicarse con otros compradores. Aún más, hoy en día existen entornos virtuales colaborativos, la mayoría en tres dimensiones, donde los usuarios se pueden comunicar con otras personas y sentirse inmersos en un mundo virtual. Considerando todo lo anterior, esta tesis se focaliza en aprovechar el comportamiento colaborativo de las personas para mejorar las recomendaciones de productos o servicios. En concreto, el objetivo de la tesis es definir e integrar nuevas técnicas de personalización con interfaces de usuario inteligentes, basadas en el comportamiento colaborativo del ser humano y en la información recogida de las interacciones de las personas tanto con la interfaz como con otros usuarios. La tesis se divide en dos partes. En la primera parte, describo las nuevas técnicas de recomendación que incorporan información colaborativa. En la segunda parte, presento nuevas interfaces de usuario inteligentes implementadas en diferentes entornos de visualización y que integran las técnicas de recomendación propuestas en esta tesis. Las nuevas técnicas de recomendación que propongo integran, por un lado, opiniones de los usuarios acerca de los productos, por otro lado, integran recomendaciones históricas de otros usuarios que han utilizado el sistema de recomendación previamente y finalmente integran avances de estudios previos que han demostrado mejorar los procesos de recomendación. Adicionalmente, propongo otras técnicas basadas en información colaborativa instantánea que se puede obtener de parte del sistema de recomendación, como también de otros usuarios que están utilizando el sistema en el mismo momento. Las interfaces de usuario inteligentes que propongo se basan en entornos de visualización en 2D y 3D. En primer lugar, propongo un framework ba sado en un entorno web en dos dimensiones que permite integrar técnicas basadas en información proveniente de opiniones y recomendaciones histó ricas de otros usuarios. En segundo lugar, propongo un framework basado en un entorno virtual colaborativo en tres dimensiones que permite integrar técnicas basadas en información colaborativa que se genera por la interacción de los usuarios dentro del entorno virtual. Es necesario destacar, que ambos frameworks son modulares y escalables, permitiendo integrar diferentes algoritmos de recomendación basados en críticas. Para validar las técnicas de recomendación y las interfaces de usuario propuestas en esta tesis, defino dos metodologías de evaluación. En concreto, para la evaluación de las técnicas de recomendación utilizo un simulador que por medio de un “usuario artificial” permite evaluar el funcionamiento de las técnicas de recomendación simulando varias pruebas con usuarios reales de forma automática. Adicionalmente, para los frameworks que imple mentan las interfaces de usuario inteligentes, he realizado evaluaciones con usuarios reales. El análisis de los resultados obtenidos mediante las evaluaciones con el simulador y con los usuarios reales, revela que tanto las nuevas técnicas propuestas, como las interfaces de usuario inteligentes obtienen resultados muy satisfactorios, los cuales superan significativamente a los resultados obtenidos con técnicas de recomendación de estudios previos. Es necesario destacar, que todos los resultados han sido corroborados por métodos estadísticos. De acuerdo a los resultados obtenidos, puedo concluir que la incorporación de información colaborativa en nuevas técnicas de recomendación favorece la eficiencia y eficacia de los sistemas de recomendación basados en críticas. Además, las nuevas y novedosas interfaces de usuario inteligentes propuestas en esta tesis, representan un avance en el desarrollo de interfaces de usuario para sistemas de recomendación basados en críticas. Estas interfaces aparte de favorecer la integración de técnicas de recomendación colaborativa, mejoran la experiencia de los usuarios durante las sesiones de recomendación, lo cual es corroborado por los usuarios que participaron en los experimentos.

This thesis is focused on the problems associated with personalization of information for users who interact with large volumes of information. In particular, the thesis focuses on the study of critiquebased recommenders as tools for helping users in the search of products or services. The critique based recommenders allow to collect information about user’s preferences through a conversational process where the user makes critiques over the recommended product. This feedback allows the recommender to acquire knowledge about the user’s preferences about the desired product and crea tes a user profile. This type of recommendation technique based on a cyclical dialogue, which characterizes critical recommendation systems, has shown satisfactory results in previous studies oriented mainly to the domain of electronic commerce. However, when a real-world user is in a physical store, he has the ability to interact and communicate with other buyers. Moreover, nowadays there are collaborative virtual environments, most in 3D, where users can communicate with other people and feel immersed in a virtual world. Considering all mentioned above, this thesis focuses on harnessing the collaborative behavior of people to improve recommendations for products or services. Specifically, the objective of the thesis is to define and to integrate new techniques of personalization with intelligent user interfaces, based on the collaborative behavior of the human being and on the information gathered from the interactions of people with the interface and with other users. The thesis is divided into two parts. In the first part, I describe the new techniques of recommendation that incorporate collaborative information. In the second part, I present new intelligent user interfaces implemented in different visualization environments and that integrate the recommendation techniques proposed in this thesis. My proposals of the new recommendation techniques integrate, on the one hand, user opinions about the products, on the other hand, integrate his torical recommendations of other users that have used the recommendation system previously and finally integrate advances of previous studies that have shown improvements in the recommendation process. Additionally, I propose other techniques based on instant and online collaborative information that can be obtained from the recommendation system, as well as from other users that are using the system at the same time. The intelligent user interfaces that I propose are based on 2D and 3D visualization environments. First, I propose a framework based on a 2D web environment that allows the integration of techniques based on information from historical opinions and recommendations of other users. Second, I propose a framework based on a 3D collaborative virtual environment that allows the integration of techniques based on collaborative information generated by the interaction of users within the virtual environment. It is worth nothing, that both frameworks are modular and scalable, allowing to integrate different critique-based recommendation algorithms. I define two evaluation methodologies to validate the recommendation techniques and user interfaces proposed in this thesis. Specifically, for the evaluation of the recommendation techniques, I run a simulator that uses an “artificial user” that allows the evaluation of the recommendation efficiency in the proposed techniques by simulating various tests with real users automatically. In addition, I have conducted evaluations with real users for evaluating the frameworks that implement the intelligent user interfaces. The analysis of the results obtained through the simulator and real user evaluations, shows that both the proposed new techniques and the intelligent user interfaces obtain very satisfactory results, which significantly outper form the results obtained with recommendation techniques from previous studies. It is worth nothing that all the results have been corroborated by statistical methods. According to the results, I can conclude that the integration of the colla borative information in new recommendation techniques improves the efficiency and efficacy of critique-based recommenders. In addition, the new and novel intelligent user interfaces proposed in this thesis represent an ad vance in the development of user interfaces for critiquebased recommenders. These interfaces, besides facilitate the integration of collaborative recommen dation techniques, improve the users’ experience during the recommenda tion sessions, which is corroborated by the users who participated in the experiments.