Mejora de la recomendación de vídeos de mediaUPV

Abstract

[ES] La cantidad de vídeos en mediaUPV aumenta cada día debido al auge de la docencia flip y como consecuencia de la Covid. En este trabajo se plantea investigar técnicas más novedosas de preprocesamiento de texto, más concretamente BERT y Sentence Transformers, para poder mejorar la extracción de características y, por tanto, el desarrollo de nuevas técnicas de recomendación para así mejorar la precisión de las recomendaciones, mejorando también la calidad de vida de los usuarios de la aplicación. Por último, realizar validación del funcionamiento de las nuevas técnicas y experimentación para poder comparar resultados con la versión anterior del recomendador.

[EN] The number of videos in mediaUPV is increasing every day due to the rise of flip teaching and as a consequence of Covid. This work deals with the idea to investigate newer text pre-processing techniques, more specifically BERT and Sentence Transformers, in order to improve feature extraction and, therefore, the development of new recommendation techniques to improve the accuracy of the recommendations, also improving the quality of life of the users of the application. Finally, validation of the operation of the new techniques and experimentation in order to compare results with the previous version of the recommender.

[CA] La quantitat de vídeos en mediaUPV augmenta cada dia a causa de l’auge de la docencia flip i com a conseqüència de la Covid. En aquest treball es planteja investigar tècniques més noves de preprocessament de text, centrant-nos concretament en BERT i en Sentence Transformers, per a poder millorar l’extracció de característiques i, per tant, el desenvolupament de noves tècniques de recomanació per a així millorar la precisió de les recomanacions, millorant a la vegada la qualitat de vida dels usuaris de la aplicació. Finalment, realitzar la validació del funcionament de les noves tècniques i una experimentació per a comparar resultats amb la versió anterior del recomanador.