Sistema de predicción y recomendación personalizada basada en ranqueo de ítems homogéneos usando filtrado colaborati

Los sistemas de recomendación utilizan técnicas de descubrimiento de conocimiento al problema de recomendaciones personalizadas de información, productos o servicios durante una interacción en tiempo real. Estos sistemas, especialmente los basados en el filtrado colaborativo del k-vecino más cercano...

ver descrição completa

Detalhes bibliográficos
Autores: Ruiz Moncayo, Fausto Daniel, Diaz, Alejandro, Chang Miranda, Hugo Iván, Echeverría Briones, Pedro Fabricio
Tipo de documento: artigo
Estado:Versão publicada
Data de publicação:2009
País:Ecuador
Recursos:Escuela Superior Politécnica del Litoral
Repositório:Repositorio Escuela Superior Politécnica del Litoral
Idioma:espanhol
OAI Identifier:oai:www.dspace.espol.edu.ec:123456789/771
Acesso em linha:http://www.dspace.espol.edu.ec/handle/123456789/771
Access Level:Acceso aberto
Palavra-chave:K-MEDIAS
FILTRADO COLABORATIVO
CLUSTERIZACION
SIATEMA DE RECOMENDAION
MINERIA DE DATOS
id EC_d1fbc523ac88e763f2696f2ee69cdfec
oai_identifier_str oai:www.dspace.espol.edu.ec:123456789/771
network_acronym_str EC
network_name_str Ecuador
repository_id_str
spelling Sistema de predicción y recomendación personalizada basada en ranqueo de ítems homogéneos usando filtrado colaboratiRuiz Moncayo, Fausto DanielDiaz, AlejandroChang Miranda, Hugo IvánEcheverría Briones, Pedro FabricioK-MEDIASFILTRADO COLABORATIVOCLUSTERIZACIONSIATEMA DE RECOMENDAIONMINERIA DE DATOSLos sistemas de recomendación utilizan técnicas de descubrimiento de conocimiento al problema de recomendaciones personalizadas de información, productos o servicios durante una interacción en tiempo real. Estos sistemas, especialmente los basados en el filtrado colaborativo del k-vecino más cercano están alcanzando un amplio éxito en la Web. El tremendo crecimiento en la cantidad de información disponible y el número de visitantes a los sitios Web en los recientes años propone algunos retos claves para estos sistemas. Estos retos son: producir recomendaciones de alta calidad, generar muchas recomendaciones por segundo para millones de usuarios y artículos, además de alcanzar una alta cobertura ante la dispersión de los datos. En los sistemas tradicionales de filtrado colaborativo la cantidad de trabajo aumenta con el número de participantes en el sistema, por lo que son necesarias nuevas tecnologías en sistemas de recomendación que puedan producir rápidamente recomendaciones de alta calidad a gran escala. Para lograr estas expectativas hemos explorado con técnicas de filtrado colaborativo basadas en ítems. Las técnicas basadas en ítems analizan primero la matriz ítem-usuario para identificar relaciones entre artículos diferentes, y luego usan estas relaciones para computar indirectamente recomendaciones para los usuarios. En este artículo analizaremos cómo fue implementado nuestro sistema AFI Restaurantes y la optimización de los algoritmos utilizados para la predicción y generación de recomendaciones basadas en ítems.2009-02-202009-02-202009-02-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfapplication/postscripthttp://www.dspace.espol.edu.ec/handle/123456789/771spainfo:eu-repo/semantics/openAccessreponame:Repositorio Escuela Superior Politécnica del Litoralinstname:Escuela Superior Politécnica del Litoralinstacron:ESPOL2011-06-27T22:21:06Zoai:www.dspace.espol.edu.ec:123456789/771Institucionalhttps://www.dspace.espol.edu.ec/Universidad públicahttps://www.espol.edu.ec/.https://www.dspace.espol.edu.ec/oaiEcuador...opendoar:14792024-07-27T05:50:59.869250trueInstitucionalhttps://www.dspace.espol.edu.ec/Universidad públicahttps://www.espol.edu.ec/.https://www.dspace.espol.edu.ec/oai.Ecuador...opendoar:14792024-07-27T05:50:59.869250Repositorio Escuela Superior Politécnica del Litoral - Escuela Superior Politécnica del Litoraltrue
dc.title.none.fl_str_mv Sistema de predicción y recomendación personalizada basada en ranqueo de ítems homogéneos usando filtrado colaborati
title Sistema de predicción y recomendación personalizada basada en ranqueo de ítems homogéneos usando filtrado colaborati
spellingShingle Sistema de predicción y recomendación personalizada basada en ranqueo de ítems homogéneos usando filtrado colaborati
Ruiz Moncayo, Fausto Daniel
K-MEDIAS
FILTRADO COLABORATIVO
CLUSTERIZACION
SIATEMA DE RECOMENDAION
MINERIA DE DATOS
title_short Sistema de predicción y recomendación personalizada basada en ranqueo de ítems homogéneos usando filtrado colaborati
title_full Sistema de predicción y recomendación personalizada basada en ranqueo de ítems homogéneos usando filtrado colaborati
title_fullStr Sistema de predicción y recomendación personalizada basada en ranqueo de ítems homogéneos usando filtrado colaborati
title_full_unstemmed Sistema de predicción y recomendación personalizada basada en ranqueo de ítems homogéneos usando filtrado colaborati
title_sort Sistema de predicción y recomendación personalizada basada en ranqueo de ítems homogéneos usando filtrado colaborati
dc.creator.none.fl_str_mv Ruiz Moncayo, Fausto Daniel
Diaz, Alejandro
Chang Miranda, Hugo Iván
Echeverría Briones, Pedro Fabricio
author Ruiz Moncayo, Fausto Daniel
author_facet Ruiz Moncayo, Fausto Daniel
Diaz, Alejandro
Chang Miranda, Hugo Iván
Echeverría Briones, Pedro Fabricio
author_role author
author2 Diaz, Alejandro
Chang Miranda, Hugo Iván
Echeverría Briones, Pedro Fabricio
author2_role author
author
author
dc.subject.none.fl_str_mv K-MEDIAS
FILTRADO COLABORATIVO
CLUSTERIZACION
SIATEMA DE RECOMENDAION
MINERIA DE DATOS
topic K-MEDIAS
FILTRADO COLABORATIVO
CLUSTERIZACION
SIATEMA DE RECOMENDAION
MINERIA DE DATOS
description Los sistemas de recomendación utilizan técnicas de descubrimiento de conocimiento al problema de recomendaciones personalizadas de información, productos o servicios durante una interacción en tiempo real. Estos sistemas, especialmente los basados en el filtrado colaborativo del k-vecino más cercano están alcanzando un amplio éxito en la Web. El tremendo crecimiento en la cantidad de información disponible y el número de visitantes a los sitios Web en los recientes años propone algunos retos claves para estos sistemas. Estos retos son: producir recomendaciones de alta calidad, generar muchas recomendaciones por segundo para millones de usuarios y artículos, además de alcanzar una alta cobertura ante la dispersión de los datos. En los sistemas tradicionales de filtrado colaborativo la cantidad de trabajo aumenta con el número de participantes en el sistema, por lo que son necesarias nuevas tecnologías en sistemas de recomendación que puedan producir rápidamente recomendaciones de alta calidad a gran escala. Para lograr estas expectativas hemos explorado con técnicas de filtrado colaborativo basadas en ítems. Las técnicas basadas en ítems analizan primero la matriz ítem-usuario para identificar relaciones entre artículos diferentes, y luego usan estas relaciones para computar indirectamente recomendaciones para los usuarios. En este artículo analizaremos cómo fue implementado nuestro sistema AFI Restaurantes y la optimización de los algoritmos utilizados para la predicción y generación de recomendaciones basadas en ítems.
publishDate 2009
dc.date.none.fl_str_mv 2009-02-20
2009-02-20
2009-02-20
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://www.dspace.espol.edu.ec/handle/123456789/771
url http://www.dspace.espol.edu.ec/handle/123456789/771
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/postscript
dc.source.none.fl_str_mv reponame:Repositorio Escuela Superior Politécnica del Litoral
instname:Escuela Superior Politécnica del Litoral
instacron:ESPOL
instname_str Escuela Superior Politécnica del Litoral
instacron_str ESPOL
institution ESPOL
reponame_str Repositorio Escuela Superior Politécnica del Litoral
collection Repositorio Escuela Superior Politécnica del Litoral
repository.name.fl_str_mv Repositorio Escuela Superior Politécnica del Litoral - Escuela Superior Politécnica del Litoral
repository.mail.fl_str_mv .
_version_ 1869000108474892288
score 15,301603

Registros relacionados