Resumen: Los usuarios de plataformas de comercio electrónico pueden no estar seguros de sus preferencias al principio de su búsqueda. Las consultas a los sistemas de recomendación suelen ser ambiguas, incompletas o poco especificadas. Se espera que los sistemas agentes razonen proactivamente, hagan preguntas aclaratorias y actúen en nombre del usuario, lo que hace que manejar dicha ambigüedad sea cada vez más importante. En las plataformas existentes, la ambigüedad provocaba interacciones excesivas y fatiga en las preguntas o recomendaciones demasiado confiadas que colapsaban prematuramente el espacio de búsqueda. Presentamos un Sistema Interactivo de Soporte a la Decisión (IDSS) que aborda consultas ambiguas de los usuarios utilizando la entropía como señal unificadora. IDSS mantiene un conjunto de productos candidatos filtrado dinámicamente y cuantifica la incertidumbre sobre los atributos de los artículos mediante entropía. Esta incertidumbre guía la obtención de preferencias adaptativas mediante la selección de preguntas de seguimiento que maximicen la ganancia de información esperada. Cuando las preferencias siguen siendo incompletas, el IDSS incorpora explícitamente la incertidumbre residual en las recomendaciones posteriores mediante una clasificación consciente de la incertidumbre y una diversificación basada en la entropía, en lugar de forzar una resolución prematura. Evaluamos IDSS utilizando usuarios simulados basados en reseñas de usuarios reales, lo que permite un estudio controlado de diversos comportamientos de compra. Nuestra evaluación mide tanto la eficiencia de la interacción como la calidad de las recomendaciones. Los resultados muestran que la obtención guiada por entropía reduce las preguntas de seguimiento innecesarias, mientras que la clasificación y presentación conscientes de la incertidumbre producen conjuntos de recomendaciones más informativas, diversas y transparentes con una intención ambigua. Estos hallazgos demuestran que el razonamiento guiado por la entropía proporciona una base eficaz para los sistemas de recomendación agentes que operan en condiciones de incertidumbre.
Publicado originalmente en export.arxiv.org el 12 de marzo de 2026.
Ver fuente original
