Modelos de sistemas de recomendaciones basados en lógica difusa, altmetría y aprendizaje automático. Aplicación al Boletín Oficial del Estado

Abstract

The exponential increase in digital resources available online has been largely driven by technological advances alongside growing global accessibility that allows immediate access to these resources. Most modern devices are integrated into an interconnected network known as the Internet of Things (IoT). These devices, in addition to fulfilling their primary functions, generate and collect data that are processed by various systems to extract valuable information, often exploited for commercial purposes. In this broad ecosystem of devices and systems, Information Retrieval Systems (IRS) play a crucial role. IRS are fundamental in various daily activities, such as conducting search engines like Google or Yahoo, scheduling appointments with public administrations, or consulting documents available on institutional websites or corporate intranets. These systems operate by filtering information based on user queries, comparing these queries with large databases to generate ordered lists of relevant results. However, the vast amount and the increasingly rapid rate at which information is generated pose a significant challenge for both IRS and users. The saturation of results produced by a single search makes it difficult to thoroughly review all the items presented by an IRS. To address this problem, Recommendation Systems (RS) emerge, which form the core of this research. RS are designed to perform automatic filtering of information that would otherwise have to be carried out manually by the user. This thesis outlines the various types of RS and the techniques used to provide personalised and relevant recommendations to users. One of the main challenges faced by both IRS and RS is the application of excessively rigid filters that can result in inappropriate exclusion or inclusion of results. In this context, fuzzy logic emerges as a promising solution, offering a more flexible way of managing filters. Fuzzy logic allows for handling intermediate degrees of relevance, meaning that a resource can be considered more or less interesting depending on its degree of relevance to a specific user. When the degree of relevance is high, the system prioritises that resource over others of lesser relevance, thus improving the sensitivity of filtering and better adapting to the user’s needs. Moreover, the quality of the data used in the filtering process is essential in RS. Traditionally, these systems have employed intrinsic data of the resources, social networks and online opinions significantly influence consumption decisions. Platforms like YouTube, TikTok, Instagram, and X (formerly known as Twitter) generate a large volume of content subject to debate and public review. The opinions of other users—for instance, when searching for a restaurant during a trip—have a significant impact on our decisions. Therefore, it has become very important for RS to incorporate these additional data to offer more precise and pertinent recommendations. To face this challenge, this thesis proposes the integration of altmetrics, a concept introduced in 2011 in the field of bibliometrics, which advocates the use of alternative metrics to traditional ones like citations and impact indices. In line with this philosophy, it is suggested to enrich information retrieval and recommendation systems by incorporating data obtained from various additional sources, in order to improve the filtering and positioning of resources. Furthermore, the thesis proposes the design of a multipurpose RS based on a multi-agent approach combined with fuzzy logic and altmetrics. This model allows agents to be independent modules that the user can activate or deactivate to customise their own RS. Each agent has specific configuration parameters that enable the system to be adapted to the individual needs of the user, offering the flexibility to reconfigure the system according to changing requirements. Combined with the flexibility offered by fuzzy logic, this allows the recommendation results to better adapt to the user’s needs. The system’s objects will be enriched by data extracted from different external systems that provide various value metrics to the objects composing the system. The application of this RS model is carried out in the Official State Gazette (Boletín Oficial del Estado - BOE), the official source of legislative publications at the state level, responsible for publishing all decisions approved by the Congress of Deputies. The choice of the BOE as a case study is due to the documentary problems it presents, which are addressed in this thesis through the implementation of machine learning algorithms to improve the documentary descriptions of such documents and, therefore, also enhance the recommendations and optimise access to the published information.

El aumento exponencial de los recursos digitales disponibles en línea ha sido generado, en gran medida, por los avances tecnológicos junto con una creciente accesibilidad global que permite el acceso a estos recursos de manera inmediata. La mayoría de los dispositivos modernos están integrados en una red interconectada conocida como el Internet de las Cosas (IoT). Estos dispositivos, además de cumplir con sus funciones principales, generan y recopilan datos que son procesados por diversos sistemas para ser utilizados para extraer información valiosa, frecuentemente explotada con fines comerciales. En este amplio ecosistema de dispositivos y sistemas, los Sistemas de Recuperación de Información (SRI) juegan un papel crucial. Los SRI son fundamentales en diversas actividades cotidianas, tales como la realización de búsquedas en motores de búsqueda como Google o Yahoo, la programación de citas en administraciones públicas, o la consulta de documentos disponibles en sitios web institucionales o intranets empresariales. Estos sistemas operan filtrando información basada en las consultas de los usuarios, comparando dichas consultas con grandes bases de datos para generar listas ordenadas de resultados relevantes. Sin embargo, la gran cantidad y el ritmo cada vez más alto en el que se genera información plantea un desafío significativo tanto para los SRI como para los usuarios. La saturación de resultados generados por una sola búsqueda dificulta la revisión exhaustiva de todos los elementos presentados por un SRI. Para abordar este problema, surgen los Sistemas de Recomendaciones (RS), que constituyen el núcleo de esta investigación. Los RS están diseñados para realizar un filtrado automático de la información que, de otra manera, debería ser realizado manualmente por el usuario. Esta tesis expone los diversos tipos de RS y las técnicas utilizadas para proporcionar recomendaciones personalizadas y relevantes a los usuarios. Uno de los principales retos que enfrentan tanto los SRI como los RS es la aplicación de filtros excesivamente rígidos que pueden resultar en la exclusión o inclusión inapropiada de resultados. En este contexto, la lógica difusa emerge como una solución prometedora, ofreciendo una forma más flexible de gestionar los filtros. La lógica difusa permite manejar grados intermedios de relevancia, lo que significa que un recurso puede ser considerado más o menos interesante en función del grado de relevancia para un usuario específico. Cuando el grado de relevancia es elevado, el sistema prioriza dicho recurso sobre otros de menor relevancia, mejorando así la sensibilidad del filtrado y adaptándose mejor a las necesidades del usuario. Además, la calidad de los datos utilizados en el proceso de filtrado es esencial en los RS. Tradicionalmente, estos sistemas han empleado datos intrínsecos de los recursos, como metadatos y datos explícitos proporcionados por los usuarios. No obstante, en la actualidad, las redes sociales y las opiniones en línea influyen de manera considerable en las decisiones de consumo. Plataformas como YouTube, TikTok, Instagram y X (anteriormente conocido como Twitter) generan un gran volumen de contenido sujeto a debate y revisión pública. Las opiniones de otros usuarios, como en la búsqueda de un restaurante durante un viaje, tienen un impacto significativo en nuestras decisiones. Por ello, se ha vuelto muy importante que los RS incorporen estos datos adicionales para ofrecer recomendaciones más precisas y pertinentes. Para enfrentar este desafío, esta tesis propone la integración de la altmetría, un concepto introducido en 2011 en el ámbito de la bibliometría, que aboga por el uso de métricas alternativas a las tradicionales, como citaciones e índices de impacto. En línea con esta filosofía, se sugiere enriquecer los sistemas de recuperación de información y recomendaciones mediante la incorporación de datos obtenidos de diversas fuentes adicionales, con el fin de mejorar el filtrado y el posicionamiento de los recursos. Asimismo, en esta tesis se propone el diseño de un RS multipropósito basado en un enfoque multiagente junto con lógica difusa y altmetría. Este modelo permite que los agentes sean módulos independientes que el usuario puede activar o desactivar para personalizar su propio RS. Cada agente dispone de parámetros de configuración específicos que permiten adaptar el sistema a las necesidades individuales del usuario, ofreciendo la flexibilidad de reconfigurar el sistema conforme a las necesidades cambiantes que combinado con la flexibilidad que ofrece la lógica difusa, los resultados de las recomendaciones se adapten mejor a las necesidades del usuario, los objetos del sistema serán enriquecidos por datos extraídos de distintos sistemas externos que aporten diferentes métricas de valor a los propios objetos que componen el sistema. La aplicación de este modelo de RS se realiza en el Boletín Oficial del Estado (BOE), la fuente oficial de publicaciones legislativas a nivel estatal, encargada de publicar todas las decisiones aprobadas por el Congreso de los Diputados. La elección del BOE como caso de estudio se debe a los problemas documentales que presenta, los cuales se abordan en esta tesis mediante la implementación de algoritmos de aprendizaje automático para mejorar las descripciones documentales de tales documentos y por tanto, mejorar también, las recomendaciones y optimizar el acceso a la información publicada.