Sistema de recomendación

Software que sugiere ítems (películas, productos, publicaciones) a partir del comportamiento pasado y patrones de similitud, a menudo con filtrado colaborativo o factorización matricial.

Un sistema de recomendación predice qué podría gustar a continuación: qué película ver, qué producto comprar o qué artículo leer. Muchos sistemas industriales usan filtrado colaborativo e infieren gustos a partir de valoraciones o clics compartidos entre usuarios e ítems.

El Netflix Prize (2006 a 2009) convirtió la precisión de recomendación en benchmark público medido con RMSE. Los equipos ganadores combinaron factorización matricial, métodos de conjunto y máquinas de Boltzmann restringidas del grupo de Hinton. Los recomendadores siguen siendo una aplicación central de aprendizaje supervisado en aprendizaje automático.