- -

Agente Recomendador en Jason

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

  • Estadisticas de Uso

Agente Recomendador en Jason

Show simple item record

Files in this item

dc.contributor.advisor Julian Inglada, Vicente Javier es_ES
dc.contributor.author Gascó Ortiz, Víctor es_ES
dc.date.accessioned 2015-03-25T11:55:54Z
dc.date.available 2015-03-25T11:55:54Z
dc.date.created 2014-09-10
dc.date.issued 2015-03-25 es_ES
dc.identifier.uri http://hdl.handle.net/10251/48280
dc.description.abstract [ES] Los sistemas de recomendación tradicionales basan sus recomendaciones en las medidas cuantitativas de la similitud entre las preferencias del usuario y los elementos actuales para recomendar (p.e., recomendadores basados en contenidos [1]), entre el perfil del usuario y el perfil de otros usuarios con preferencias similares (p.e., recomendadores de filtrado colaborativo [2]) y en combinaciones de ambos (p.e. recomendadores híbridos [3]). Sin embargo, [4], se ha quedado patente la incapacidad de los sistemas de recomendación actuales para utilizar la gran cantidad de datos cualitativos disponibles en línea para mejorar las recomendaciones. Por lo general, los sistemas de recomendación no proporcionan una explicación sobre el proceso de razonamiento que se ha seguido para llegar a recomendaciones específicas. Las recomendaciones tienden a venir directamente del algoritmo de recomendación que ejecuta el sitio web y no a partir de los conocidos que un usuario tiene en su red social. Con el fin de mejorar los resultados de cualquier tipo de recomendación basado en nuestros gustos, en este proyecto se ha añadido el factor de recomendación según el entorno social. Debido al auge en los últimos años de las redes sociales y de cualquier tipo de medio en el que se interactúe con personas, no es difícil medir el nivel de relación que se tiene con otras personas de esa red social, y por lo tanto suponer que cuanto más afín se es a una persona se debe la similitud de gustos. Partiendo de esa base se ha simulado un entorno social en el que un cliente que realiza una solicitud de recomendación, en este caso sobre recetas culinarias. El entorno posteriormente le devuelve una lista con los resultados que mejor se adapta a su perfil y a su relación con los amigos que le hacen estas recomendaciones. Para ello, nos basamos en resultados objetivos, como es la similitud que las recetas tengan con el perfil del cliente, y en valores subjetivos, que serían la ponderación de la relación de amistad entre el cliente con los amigos que le recomienden, y los que les recomienden a estos. Para la realización de este trabajo se ha creado un marco de desarrollo de recomendaciones sociales basadas en agentes en el dominio de las recetas de cocina. El marco permite evaluar distintas estrategias a aplicar en el proceso de recomendación. Su uso también podría extenderse al ámbito académico como simulador de distintas estrategias de recomendación social. Este procedimiento de recomendación sería válido para cualquier temática (películas, viajes, deportes...), útil como aplicación a las redes sociales e incluso para crear portales web basados en una temática para recomendaciones con tus conocidos. En el proyecto se ha realizado una evaluación de la propuesta. Los resultados han permitido demostrar la validez del marco desarrollado como banco de pruebas de diferentes estrategias. es_ES
dc.description.abstract [EN] Traditional recommender systems base their recommendations on quantitative measures of similarity between the user’s preferences and the current items to recommend (i.e, content-based recommenders [1]), between the user’s profile and the profile of other users with similar preferences (i.e, collaborative filtering recommender [2]) and on combinations of both (i.e, hybrid recommender [3]). However, [4] has stated the inability of current recommender systems to use the large amount of qualitative data available online to empower the recommendations. Usually, recommender systems do not provide an explanation about the reasoning process that was followed to come up with specific recommendations. Recommendations tend to come directly from the recommendation algorithm that runs the website and not from the acquaintances that a user has in his social network. In order to improve the results of any type of recommendations based on our tastes, on this project has been added the recommendation according to the social environment factor. Due to the rise in recent years of social networks and any type of media in which to interact with people, it is not difficult to measure the level of relationship that you have with other people in the social network, and therefore assume that you are much more akin to a person is because the similarity of tastes. On this basis has been simulated a social environment in which a customer who makes a request for a recommendation, in this case about culinary recipes. The environment then returns a list with the results that best fits your profile and your relationship with friends that make these recommendations. To do this, we are based in objective results, as it is the similarity recipes with the customer profile, and in subjective values, which would be the weighting of the relation of friendship between the client with their friends who recommend him, and those that they recommend to these. To carry out this work has created a development framework of social recommendations based on agents in the domain of the recipes. The framework allows you to evaluate different strategies to implement the recommendation process. Their use could also be extended to academic scope as a simulator of different strategies of social recommendation. This recommendation procedure would be valid for any topic (films, travel, sports...), useful as application to social networks and even to create web sites based on a theme for recommendations with your friends. In the project carried out an evaluation of the proposal. The results have allowed to demonstrate the validity of the framework developed as test bench of different strategies. es_ES
dc.format.extent 40 es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Sistema multi-agente es_ES
dc.subject Sistema de recomendación es_ES
dc.subject Redes sociales es_ES
dc.subject Multi-agent system es_ES
dc.subject Recommendation system es_ES
dc.subject Social network es_ES
dc.subject.classification LENGUAJES Y SISTEMAS INFORMATICOS es_ES
dc.subject.other Grado en Ingeniería Informática-Grau en Enginyeria Informàtica es_ES
dc.title Agente Recomendador en Jason es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació es_ES
dc.description.bibliographicCitation Gascó Ortiz, V. (2014). Agente Recomendador en Jason. http://hdl.handle.net/10251/48280. es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\13278 es_ES


This item appears in the following Collection(s)

Show simple item record