Estandarización de datos y priorización de algoritmos para un sistema de recomendación

dc.contributor.advisorMúnera Montoya, Edwin Nelsonspa
dc.contributor.authorGonzález Arroyave, Dider León
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ingenieríaspa
dc.creator.emaildgonza37@eafit.edu.cospa
dc.date.accessioned2019-12-10T13:12:58Z
dc.date.available2019-12-10T13:12:58Z
dc.date.issued2019
dc.descriptionUn sistema de recomendación es un conjunto de herramientas y técnicas de software que provee sugerencias al usuario de un sistema sobre cuáles ítem le pueden ser de utilidad [1], [2]. Un negocio físico ofrece al consumidor productos o servicios populares, ya que existen limitaciones de espacio que no le permiten presentar muchas opciones en un solo lugar. Por otro lado, los negocios en línea pueden poner a disposición del consumidor cualquier cosa que exista, incluyendo artículos populares y poco populares. Este fenómeno, llamado The Long Tail, obliga a estos negocios a recomendar artículos personalizados a cada usuario [3] logrando así una mayor cobertura del catálogo y una mejor experiencia a sus clientes. La implementación y despliegue de un sistema de recomendación puede implicar una inversión sustancial, es por esto que muchas empresas de comercio electrónico prefieren externalizar los servicios de recomendación [4]. Este tipo de implementaciones son llamadas recomendaciones como servicio. El desarrollo de estos servicios requiere definir aspectos como la captura y actualización de los datos de entrenamiento, la evaluación, selección e hibridación de algoritmos según los datos disponibles y las interfaces para consumir el servicio [5]. Cada cliente, que requiere un sistema de recomendación, tiene un conjunto de datos con características específicas. Diseñar una solución para diferentes conjuntos de datos implica un proceso de preparación y adaptación a los algoritmos que se van a utilizar, esta etapa representa un esfuerzo significativo.En la literatura se encuentra una gran variedad de algoritmos de recomendación, no todos presentan los mismos resultados para diferentes conjuntos de datos. Es una tarea importante seleccionar el algoritmo que mejores resultados ofrece según las características de los datos del cliente. Este trabajo propone un sistema de recomendación que estandariza los conjuntos de datos y presenta un mecanismo que explora diferentes algoritmos, prioriza y selecciona el que mejor lo hace según un conjunto de métricas definidas. Se implementa un prototipo del sistema propuesto y se prueba con tres conjuntos de datos diferentes. Se comprueba la estandarización de los datos de entrada para los formatos propuestos, permitiendo el uso de diferentes fuentes de datos. También se usa el prototipo para entrenar, hibridar, evaluar y priorizar los algoritmos en cada conjunto de datos.spa
dc.formatapplication/pdfeng
dc.identifier.ddc658.84 G643
dc.identifier.urihttp://hdl.handle.net/10784/15326
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Ingenieríaspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Ingenieríaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.localAcceso abiertospa
dc.subjectEstandarizaciónspa
dc.subjectSistema de recomendaciónspa
dc.subjectComercio electrónicospa
dc.subjectAlgoritmosspa
dc.subject.keywordStandardizationspa
dc.subject.keywordRecommendation systemspa
dc.subject.keywordElectronic commercespa
dc.subject.keywordAlgorithmsspa
dc.subject.lembALGORITMOS (COMPUTADORES)spa
dc.subject.lembNORMALIZACIÓNspa
dc.subject.lembCOMERCIO ELECTRÓNICOspa
dc.subject.lembCANALES DE DISTRIBUCIÓNspa
dc.subject.lembALGORITMOSspa
dc.titleEstandarización de datos y priorización de algoritmos para un sistema de recomendaciónspa
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa

Archivos

Bloque original
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
DiderLeon_GonzalezArroyave_2019.pdf
Tamaño:
1.26 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: