Resumen

Aplicamos un algoritmo genético interactivo (iGA) para generar recomendaciones de productos. Los iGAs buscan un único punto óptimo basado en los Kansei de los usuarios a través de la interacción entre el usuario y la máquina. Sin embargo, especialmente en el ámbito de las recomendaciones de productos, puede haber numerosos puntos óptimos. Por lo tanto, el propósito de este estudio es desarrollar un nuevo método de cruce iGA que busque simultáneamente múltiples puntos óptimos para múltiples preferencias de usuario. El método propuesto estima las ubicaciones del área óptima mediante un método de agrupamiento y luego busca los valores máximos del área mediante un modelo probabilístico. Para confirmar la efectividad de este método, se realizaron dos experimentos. En el primer experimento, un pseudousuario operó un sistema experimental que implementaba los métodos propuesto y convencional, y las soluciones obtenidas se evaluaron utilizando un conjunto de pseudomúltiples preferencias. Con este experimento, demostramos que cuando hay múltiples preferencias, el método propuesto busca de manera más ráp

• Materias:Nanotecnología Teléfonos inteligentes Agrupación de datos Segmentación suave
• Subjects:Nanotechnology Smart phones Data clustering Soft segmentation
• Palabras claves:Algoritmo genético interactivo; Recomendaciones de productos; Preferencias del usuario; Puntos óptimos; Método de agrupamiento; Modelo probabilístico
• Keywords:Interactive genetic algorithm; Product recommendations; User preferences; Optimum points; Clustering method; Probabilistic model