Fecha: 29 de mayo de 2012

Ponente: Leonardo Castaño (LABDA-UC3M)

Lugar de celebración: Sala 2.24, Facultad de Psicología, UNED (mapa)

Resumen:

En la charla ofreceré una visión de los modelos de usuario desde sus comienzos hasta la actualidad, repasando la evolución de este paradigma a lo largo de los años. Al mismo tiempo y como objetivo principal, se presentaran dos propuestas de modelo de usuarios de grupos, estadísticos, predictivos y auto-alimentados. La primera de ellas basada en un enfoque de modelado clásico (con pérdida de conocimiento), mientras que la segunda consiste en llevar a cabo un enfoque innovador, que resuelve el problema de pérdida de conocimiento de los modelos de grupos clásicos, así como el problema de bajos tiempos de respuesta en este tipo de modelos. Se propone una estructura basada en arboles-R que debe permitir al modelo realizar mejores predicciones ya que todo el conocimiento de sesiones pasadas con usuarios, queda almacenado en el modelo, así como mejorar los tiempos de respuesta de los modelos clásicos de grupos al distribuir dicho conocimiento a lo largo de la estructura arbórea y ser por tanto un modelo más ligero que los basados en enfoques clásicos. Este nuevo enfoque será comparado con la primera propuesta (modelo clásico) en distintos dominios y escenarios, para poder cuantificar las mejoras. Ambas aproximaciones son evaluadas en tres dominios de distinta caracterización, tanto dominios abiertos como dominios cerrados, así como una comparación de los resultados obtenidos por ambos modelos, en la que la nueva propuesta aventaja al modelo clásico en casi un 11% de media en la tasa de acierto y un 30% en rendimiento. En lo que a tiempos de ejecución se refiere, este nuevo modelo es hasta un 30% más rápido que el modelo con pérdida de conocimiento. Igualmente se presentara una propuesta de benchmark para la evaluación de modelos de usuario y para facilitar y permitir comparaciones entre los distintos modelos existentes. Finalmente, se proponen una serie de líneas futuras que permitirán completar el trabajo presentado en este documento, entre las que podemos destacar optimizaciones de la nueva propuesta sin pérdida de conocimiento o su integración en un sistema completo de interacción natural.