Suponiendo que la utilidad utilizada en este contexto se refiere al valor de recompensa generado dentro de un sistema de Aprendizaje por refuerzo, esta pregunta podría reformularse como “¿Cuál es la diferencia entre Filtrado colaborativo y Filtrado de contenido?”.
La distinción más fácil es que el primero analiza los eventos generados por el usuario (o la gestión empresarial), mientras que el otro analiza los datos más estáticos, que también a menudo tienen existencia identificable (título de película) dentro del mundo fuera del servicio, para lo cual el sistema de recomendación genera las recomendaciones
Por supuesto, es bueno actualizar nuestros vocabularios de vez en cuando, para que las viejas asociaciones, que hicieron que algunas conversaciones fueran más difíciles de mantener, sean más fáciles de tener. Para ser honesto, creo que el Sistema de recomendación basado en la utilidad captura mejor lo que realmente está sucediendo detrás de escena en Netflix, YouTube, Facebook, etc. Ya no se trata solo del análisis de datos del usuario, sino que se trata cada vez más de poder incluir heurísticas para diferentes rutas de navegación (y otras métricas dirigidas por objetivos), que se pueden analizar mediante el uso de métodos de extracción de información, que se han vuelto populares entre los sistemas de PNL.
- Cómo elegir el conjunto de validación para poder representar mejor el conjunto de prueba
- Cómo dominar el aprendizaje automático en el menor tiempo posible
- ¿Qué es el aprendizaje profundo para un principiante?
- ¿Puedo tomar el curso de aprendizaje automático de Andrew Ng siendo un estudiante de secundaria con algo de experiencia en programación y sin conocimientos avanzados de matemáticas?
- ¿Qué piensa Yoshua Bengio sobre la idea de un algoritmo de aprendizaje único?
El recomendador basado en la utilidad también encapsula mejor la esencia de la ciencia de datos como profesión; necesitamos ser capaces de generar modelos de utilidad para los datos que usamos dentro del dominio comercial si queremos ser muy buenos en lo que hacemos. Por supuesto, los modelos de utilidad no siempre son necesarios, pero el uso de uno hace que sea mucho más fácil comunicarse, por qué ciertas hipótesis (relacionadas con las recomendaciones) podrían funcionar y aportar un mejor valor al sistema.