Mixed Inheritance

Tal como se ha visto en el desarrollo de este capítulo, TV-Anytime normaliza todos los aspectos de funcionamiento del PDR, incluyendo los modelos de negocio, la metainformación sobre los contenidos y sobre el perfil de usuario, y sobre protocolos de intercambio. Se espera que facilite la popularización del PDR y el despliegue de nuevos servicios de la televisión digital como la personalización de la oferta de contenidos.

El uso de la metainformación descriptiva en la industria de la televisión y el audiovisual es de gran utilidad. Actualmente existen varios formatos disponibles entre los cuales optar. Es evidente que una normalización, o más precisamente el predominio de una norma, relativa a la metainformación favorecerá su utilización en forma masiva, facilitando que los generadores de contenidos efectivamente los describan, y la aparición de nuevos servicios destinados al usuario final que la utilicen. Se da una doble dinámica realimentada: la normalización lleva a mayor aparición de servicios y mayor uso, y por otro lado la aparición de servicios colabora en hacer una norma más fuerte y difundir su despliegue.

84

Entendemos que TV-Anytime es una norma adecuada, con potencialidad y con futuro. Gran parte de la bibliografía científica relativa al tema de recomendadores personales de contenido audiovisual, ya implementa las clasificaciones de TV-Anytime de metainformación sobre contenidos y usuarios. El uso de las clasificaciones TV-Anytime por parte de nuestro recomendador, favorece el despliegue de la norma.

El desafío al diseñar un recomendador es poder utilizar la información relativa a los contenidos de manera relevante, buscando aprovechar el significado de los términos, para obtener mayor información a partir de ellos. El principal aporte de TV-Anytime en nuestra tesis lo constituye la definición de la metainformación sobre los contenidos, que otorgan una descripción semántica muy detallada de los programas de televisión. Como hemos visto, la metainformación puede tener distintas dimensiones, que apuntan a distintos aspectos complementarios de los contenidos. A partir de esta definición, es posible estructurar esta metainformación jerárquicamente, obteniendo jerarquías de clase, con instancias específicas que serán los programas, y propiedades que los relacionan. De esta forma, podremos generar una ontología relativa a los contenidos audiovisuales, que será la base para el algoritmo de recomendación que utilizaremos, y que en el caso de individuos está descrito en el capítulo siguiente. En particular, construiremos una ontología multijerárquica que permita una clasificación muy precisa del contenido audiovisual.

TV-Anytime también describe los mecanismos de intercambio y portabilidad de los perfiles de usuario, que si bien no serán utilizados en el ámbito de esta tesis, configuran un marco tecnológico completo para que los perfiles de los distintos usuarios estén disponibles para el operador, al momento de realizar la recomendación para un grupo. Es decir, que puede ser realizada la implementación de los intercambios y portabilidad de los perfiles de usuario, e intercambio de información relativa a las recomendaciones.

85

3 Los Sistemas

Recomendadores

3.1 Introducción

A través de los medios de comunicación e Internet se ofrece al individuo la posibilidad de formarse, informarse y entretenerse. Merced a los avances de la tecnología esta oferta crece cotidianamente debido al uso de nuevos medios o a la mejora de otros existentes, otorgándoseles mayor capacidad. Sin embargo, muchas veces el usuario se ve desbordado por esta cantidad de información, que percibe como una sobrecarga. De esta forma, debe realizar una selección de la información que le interesa, sea ésta, por ejemplo, noticias, contenidos audiovisuales, ofertas comerciales, cursos de formación o de educación. Es así que durante la década de los noventa se comenzaron a desarrollar sistemas recomendadores, que buscan simplificar la labor del individuo, circunscribiendo, de forma automática y personalizada, sus alternativas a las que serán de su interés.

Esta selección se consigue en base a la metainformación que describe los contenidos, y al conocimiento de las preferencias del propio usuario. Estos

86

sistemas están basados en una diversidad de técnicas tradicionales, las cuales presentan ciertas limitaciones. En primer lugar, destacamos aproximaciones que establecen tan sólo comparaciones sintácticas entre un conjunto de palabras clave, y por ello no razonan sobre el significado de los términos a través de su semántica. Estas propuestas han evolucionado hacia modelos que predicen el interés del usuario considerando ciertos patrones de ocurrencia de sus características en un conjunto de entrenamiento previamente definido. Finalmente encontramos otras aproximaciones que seleccionan un contenido para un usuario, si el mismo se ha mostrado de interés para otros usuarios con los que comparte intereses.

Estos enfoques dependen de que las palabras utilizadas por el usuario durante la búsqueda sean exactamente las mismas con las que se ha catalogado el contenido, o también derivados con la misma raíz, ya que hay herramientas que lo procesan. Adolecen, por tanto, de la limitación de no utilizar los significados de dichas palabras. El uso de la semántica, tanto en la descripción de los contenidos, como en los perfiles de usuario, ayuda a superar estas deficiencias, conduciendo a mejores recomendaciones.

Los sistemas de recomendación no se han limitado al dominio de los contenidos audiovisuales, pero es en el que nos centramos en esta tesis. En este capítulo presentaremos una clasificación completa de estos sistemas, profundizando en los aspectos relativos a la generación y representación de los perfiles de los usuarios, en las estrategias tradicionales de recomendación, así como el enfoque semántico. Describiremos el recomendador AVATAR [34] desarrollado en el Departamento de Ingeniería Telemática de la Universidad de Vigo, incluyendo la ontología utilizada y su algoritmo de recomendación. Particularmente, describiremos el algoritmo híbrido ya que es en el que nos hemos basado para realizar las extensiones presentadas en esta tesis.