En primer lugar, existe la aplicación de recomendar sitios web al usuario en función del comportamiento del usuario (por ejemplo, haciendo clic en el botón Me gusta en un sitio web). Un enfoque fácil sería modelarlo con un simple clasificador bayesiano. Sin embargo, este enfoque necesitaría un gran conjunto de datos. Para leer más, puede consultar este documento:
http://link.springer.com/article…
Otro caso de uso sería navegar. Cuando los usuarios están expuestos a la complejidad de los sitios web y los medios actuales, es clave proporcionarles una buena navegación. Por lo tanto, para mejorar la experiencia del usuario, es necesario caracterizar dinámicamente el comportamiento del usuario.
El posicionamiento en línea de individuos dentro de una taxonomía de usuarios es una información importante para definir estrategias de ayuda. Ejemplos de tales caracterizaciones son la clasificación del comportamiento del usuario entre diferentes categorías predefinidas, el descubrimiento de cambios de comportamiento o el seguimiento del comportamiento del usuario.
Esto fue estudiado en este artículo:
https://static.aminer.org/pdf/PD….
- ¿Cuál es la diferencia entre Deconvolución, Upsampling, Unpooling y Convolutional Sparse Coding?
- Con la introducción de la inteligencia artificial, ¿podrán las computadoras tener un alto coeficiente intelectual?
- ¿Cuáles son los algoritmos de agrupamiento más populares?
- ¿Cuáles son algunos algoritmos que un científico de datos debe saber y comprender?
- ¿Cuáles son ejemplos cuando es útil generar muestras a partir de un modelo probabilístico?
Se realizó un trabajo similar aquí:
uu.diva-portal.org/smash/get/diva2:457528/FULLTEXT01.pdf.
Por lo tanto, el comportamiento del usuario estaba cubierto para los usuarios de Internet. Pero, ¿qué pasa con el comportamiento del usuario en los teléfonos móviles? Bueno, también se trabajó en esta sección:
http://www.doc.ic.ac.uk/teaching…
Otro proyecto genial fue clasificar a los usuarios en las redes sociales (concretamente en Twitter) donde introdujeron atributos de los usuarios como el origen étnico, la orientación política, etc. con la ayuda de información observable como el comportamiento, la estructura de la red y el contenido lingüístico.
Vea el documento Un enfoque de aprendizaje automático para la clasificación de usuarios de Twitter
(Marco Pennacchiotti y Ana-Maria Popescu) para obtener más información.
