Un modelo híbrido para la recomendación de libros utilizando reconocimiento facial, filtrado colaborativo y por contenido

Abstract

La continua evolución de la tecnología transforma la manera en que las bibliotecas interactúan con sus usuarios, y estos a su vez con los libros. Los sistemas de recomendación se conciben como sistemas de filtrado de información cuyo objetivo es proporcionar acceso a información personalizada (libros de interés, revistas, bases de datos, artículos científicos, salas, etc.) para mejorar la experiencia del usuario, fomentar la usabilidad de los recursos bibliográficos y optimizar los servicios. Este artículo propone un modelo híbrido de recomendación automática de libros que ensambla tres procesos en dos fases: identificación del usuario, filtrado colaborativo y filtrado por contenido. En la primera fase, se lleva a cabo el proceso de reconocimiento de usuario con técnicas que implementan aprendizaje profundo y, en la segunda fase, se integran los procesos de recomendación mediante filtrado colaborativo y por contenido. Se elaboró un caso de estudio en un entorno biblioecario para recomendar libros y fue evaluado mediante métricas clásicas de recuperación de información. Se compararon los resultados con otros modelos de recomendación más robustos, obteniendo resultados satisfactorios.