Sistema de recomendación de música basado en aprendizaje semi-supervisado
Actualmente los sistemas de recomendación son cada vez más utilizados por usuario y empresas que buscan por más y mejores contenidos digitales en Internet. Idealmente, los sistemas de recomendación deben aprender los gustos y preferencias de sus usuarios con la intención de facilitarles el proceso d...
| Autores: | , , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2015 |
| País: | México |
| Institución: | Universidad Autónoma Metropolitana |
| Repositorio: | Concentración de Recursos de Información Científica y Académica, UAM Cuajimalpa |
| Idioma: | español |
| OAI Identifier: | oai:ilitia.cua.uam.mx:123456789/761 |
| Acceso en línea: | http://ilitia.cua.uam.mx:8080/jspui/handle/123456789/761 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/cti/4 Sistemas de recomendación Recomendación de música Selección de atributos Aprendizaje semi-supervisado Aprendizaje automático |
| Sumario: | Actualmente los sistemas de recomendación son cada vez más utilizados por usuario y empresas que buscan por más y mejores contenidos digitales en Internet. Idealmente, los sistemas de recomendación deben aprender los gustos y preferencias de sus usuarios con la intención de facilitarles el proceso de búsqueda. En este trabajo presen tamos un método de recomendación musical que es capaz de aprender y de adaptarse a los gustos de sus usuarios sin la necesidad de tener información previa del perfil del usuario. Para la realización de nuestros experimentos utilizamos un subconjunto de datos extraído de la base de datos musical Gracenote. Los resultados obtenidos muestran que con un conjunto reducido de características es posible construir de forma efectiva un modelo de recomendación. Agregado a esto, se muestra que con pocos datos etiquetados es posible obtener resultados aceptables en el problema de recomendación de música |
|---|