Revisió i anàlisi d’algorismes de recomanació basats en la sensibilitat de preu

Abstract

[ca] Amb el ràpid creixement del món de la informàtica, les empreses de venta de productes han decidit operar de forma digital, és a dir, venent els seus productes mitjançant pàgines web, el que avui es coneix com a comerç electrònic. A més a més l’ésser humà sempre ha optat per seguir l’opinió dels experts abans d’adquirir un producte. La compra on-line no permet la recomanació personalitzada per part d’un empleat com sı́ passa en una botiga fı́sica i és per aquest motiu que naixen els sistemes de recomanació. En els darrers anys hi ha hagut un gran avanç en el món de la informàtica gràcies a l’aprenentatge automàtic. Això ens porta a investigar noves formes de realitzar les recomanacions, com pot ser estudiar els efectes del preu sobre la decisió d’un usuari abans de comprar un producte o la categoria d’aquest i considerar aquests elements per seleccionar les recomanacions que es mostren a l’usuari. A la literatura han aparegut nous sistemes de recomanació que tenen en compte la sensibilitat de preu, els coneguts com a price-aware recomenders. El principal objectiu d’aquest projecte és realitzar una revisió i un anàlisi d’aquests algorismes de recomanació basats en la sensibilitat de preu. L’estudi consta de dos mètodes basats en la sensibilitat de preu i una sèrie d’algorismes que no ho fan servir que, juntament amb tres conjunts de dades ens ajudaran a saber sı́ la sensibilitat de preu és un element útil a considerar durant la recomanació. [en] With the rapid advancement of the electronic world, companies have started selling their products online through what is known as e-commerce. Humans have also relied on the help of experts before deciding whether or not to buy a product. The combination of these two factors has resulted in the development of economic recommender systems. Lately, there has been a significant step forward in the computer science world with the further development of Machine Learning. This phenomenon encourages us to investigate further ways to improve recommender systems, such as price sensitivity and category interest. In the literature there has arisen a new wave of recommender sistems that incorporate price in their algorithms, known as price-aware recommenders. The main goal of this project is to analyze price-aware economic recommender systems. The project involves analyzing two price-based methods and comparing them to a set of non-price-aware methods from traditional literature using three datasets. The primary objective is to discover whether price sensitivity is an important element to include in economic recommender systems or if it does not make a significant difference.