Glosario IA
El diccionario completo de la Inteligencia Artificial
Filtrado colaborativo multicriterio
Extensión del filtrado colaborativo clásico que considera simultáneamente múltiples dimensiones de evaluación para predecir las preferencias del usuario y mejorar la precisión de las recomendaciones personalizadas.
Agregación de preferencias
Proceso matemático que combina las múltiples evaluaciones de un usuario sobre diferentes criterios para producir una puntuación global de preferencia utilizada en la clasificación de las recomendaciones.
Matriz de utilidad multidimensional
Estructura de datos que representa las evaluaciones de los usuarios según múltiples ejes de preferencia, permitiendo una modelización fina de gustos complejos más allá del simple puntaje de satisfacción.
Ponderación de criterios
Técnica que asigna coeficientes de importancia relativos a cada dimensión de evaluación para reflejar la jerarquía de preferencias individuales e influir en el algoritmo de recomendación.
Función de utilidad multiobjetivo
Modelo matemático que transforma las evaluaciones sobre múltiples criterios en un valor único de utilidad, integrando los compromisos y balances entre diferentes dimensiones de preferencia.
Espacio de preferencias
Representación vectorial multidimensional donde cada eje corresponde a un criterio de evaluación, permitiendo visualizar y calcular las similitudes entre perfiles de usuario complejos.
Perfil de usuario vectorial
Representación matemática compuesta de las preferencias de un usuario en forma de vector multidimensional, donde cada componente codifica la intensidad de preferencia para un criterio específico.
Recomendación Pareto-óptima
Conjunto de ítems que no pueden ser mejorados en un criterio sin degradar el rendimiento en al menos otro criterio, constituyendo las mejores soluciones en un contexto multiobjetivo.
Sistema híbrido multicriterio
Arquitectura que combina varias técnicas de recomendación (colaborativa, basada en contenido, basada en conocimiento) gestionando explícitamente las múltiples dimensiones de las preferencias del usuario.
Análisis de sensibilidad de criterios
Método que evalúa el impacto de las variaciones en la importancia relativa de cada criterio sobre las recomendaciones finales, permitiendo identificar las dimensiones más influyentes.
Normalización de preferencias
Proceso de estandarización de las escalas de evaluación de los diferentes criterios para hacerlos comparables y matemáticamente manipulables en un marco multidimensional coherente.
Modelo de preferencia aditivo
Enfoque donde la utilidad global de un ítem se calcula como la suma ponderada de las utilidades parciales en cada criterio, asumiendo la independencia de las dimensiones de preferencia.
Retroalimentación implícita multicriterio
Inferencia automática de las preferencias del usuario en varias dimensiones a partir de los comportamientos observados (clics, tiempo de consulta, compras) sin evaluación explícita directa.
Segmentación de criterios
Técnica de segmentación de las dimensiones de preferencia en subcategorías más granulares para refinar la personalización y capturar matices en los gustos del usuario.
Cartografía de preferencias
Visualización gráfica de las relaciones entre usuarios e ítems en el espacio multicriterio, revelando clústeres de preferencias y patrones de comportamiento complejos.
Elucidación de preferencias
Proceso interactivo de adquisición de los pesos e importancias relativas de los diferentes criterios por parte de los usuarios, a menudo a través de preguntas comparativas o métodos analíticos.
Función de puntuación compuesta
Algoritmo matemático que combina las puntuaciones individuales de cada criterio en una métrica única de pertinencia, integrando parámetros de personalización y restricciones de dominio.
Divergencia de preferencias
Medida que cuantifica la desviación entre las preferencias multi-criterio de un usuario y las características de un ítem recomendado, utilizada para optimizar la adecuación general.