Las emociones son un tema de investigación y análisis estudidado desde hace siglos. En particular las emociones son: "La consecuencia de un sentimiento o de la captación de una situación que genera un cambio en el comportamiento y en la fisiología de quién lo experimenta" [meft]. Analizando esta definición, podemos decir en otras palabras que las emociones son una respuesta física y psicológica de las interacciones con nuestro entorno. Para que surga una emoción, estos eventos deben ser importantes para el individuo, pues las emociones son experiencias subjetivas cuyo núcleo esta en la experiencia del placer o dolor y como resultado la conciencia estructura el significado de la situación [fridja].
La subjetividad de las emociones supone un ámbito de investigación tan profundo como estudiar la conciencia que desde hace siglos es un tema complejo para la ciencia. Por esta complejidad, para los investigadores ha sido dificil definir las emociones y entender su funcionamiento. Aunque las emociones sean un tema difícil de comprender, de acuerdo con [darw] las emociones son innatas, universales y permiten ver las cualidades de una persona.
Por la complejidad del tema se necesitó unificar el conocimiento obtenido de las investigaciones realizada para dejar una base teórica de la cual nuevas investigaciones puedan apoyarse. Aunque existen diversas teorías de las emociones, estas se engloban en tres grandes enfoques:
Las teorías neurológicas argumentan que la actividad que ocurre dentro del cerebro conduce a las respuestas emocionales, las cognitivas proponen que los pensamientos son los precursores de las emociones y las fisiológicas se centran en las actividades que realiza el individuo. Sin embargo los tres enfoques concuerdan en que las respuestas (señales) que se producen dentro del cuerpo son las responsables de las emociones.
Un sistema de recomendaciones (RSs) es un tipo de software creado en esencia para potenciar las ventas de un producto. Los RSs generalmente almacenan las características del producto y del cliente para predecir sus preferencias. Dicho de otro modo, los RSs pueden anticipar la intención de compra de un usuario o sector específico.
Sin embargo, desde sus primeras apariciones en los años 90's (Resnick et al., 1994) el objetivo de los RSs ha ido cambiando. Prueba de ello está en la revisión del estado del arte de los RSs en (Candillier et al., 2009). Aquí se menciona que estos sistemas sirven para ayudar al usuario a descubrir elementos que puede apreciar dentro de un gran catálogo de opciones.
Dichos elementos son un concepto para referirnos a cualquier objeto; como películas, música, fotografías o libros. Con este nuevo enfoque los RSs ya no se limitan a mejorar las ventas de una empresa. Sino que ahora las recomendaciones pueden enfocarse en otros aspectos del usuario como la salud.
Entonces dentro de los RSs existen tres tipos de métodos que son los más comunes en investigación y aplicación. Estos tres métodos se listan a continuación.
Los de RSs de filtro colaborativo usan como herramienta principal un sistema de puntuación sobre los contenidos. Así, cada usuario aporta una valoración diferente a los elementos dentro del catálogo de opciones. El objetivo de este es reconocer elementos similares y recomendar los de mejor puntuación.
Entonces los filtros colaborativos crean una especie de catálogo con los elementos mejor posicionados. En cuanto a los filtros basados en contenidos, estos se dedican a construir un perfil muy detallado del usuario. De modo que este filtro necesita extraer muchas características del usuario y del los elemento para recomendar algo de valor.
Aunque los filtros basados en contenidos generan recomendaciones de alta calidad, su principal desventaja es la cantidad excesiva de datos y procesamiento que requieren. En cambio los filtros colaborativos pueden comenzar desde 0, pero la calidad de las recomendaciones pierde personalización.
Es así que en este trabajo hemos optado por trabajar con un RSs de filtro híbrido. Trabajar con este enfoque nos permite beneficiarnos de las bondades de los dos filtros anteriores. Considerando ahora que además nos ayuda a evitar un problema común en los RSs conocido como "cold-start". Dicho problema se presenta cuando el RSs no tiene datos iniciales para comenzar las recomendaciones.