Diseño y validación de modelos para sistemas de recomendación

• Autores: Sergio Cleger Tamayo
• Directores de la Tesis: Juan Manuel Fernández Luna (dir. tes.) , Juan Francisco Huete Guadix (dir. tes.)
• Lectura: En la Universidad de Granada ( España ) en 2012
• Idioma: español
• ISBN: 978-84-9028-630-2
• Tribunal Calificador de la Tesis: Luis Miguel de Campos Ibáñez (presid.) , Raúl Pérez Rodríguez (secret.) , Roi Blanco González (voc.) , Fidel Cacheda (voc.) , Iván Cantador (voc.)
• Enlaces
  • Tesis en acceso abierto en: DIGIBUG
• Resumen

  • La memoria recopila los principales resultados obtenidos en el campo de los sistemas de recomendación. La investigación se centra en el desarrollo de modelos tanto de filtrado colaborativo como basados en contenido.

    En el filtrado colaborativo proponemos un método para la selección de vecinos, centrándonos en la capacidad de cada usuario de predecir las votaciones previas del usuario al que se le hace la recomendación. Además se proponen un conjunto de métricas para evaluar la influencia de determinadas características del conjunto de datos en la recomendación. Finalmente y dada la capacidad predictiva de los usuarios se propone y describe una propuesta de explicación para mostrarle al usuario las razones por las que se le hace la recomendación.

    La propuesta de interfaz la insertamos en un SR de películas y desarrollamos una experimentación con usuarios reales. En dicha experimentación se comprueba la importancia que cada usuario concede a determinada información de la explicación en el momento de evaluar la recomendación recibida, por lo que finalmente realizamos un estudio para comprobar si este comportamiento lo podíamos detectar automáticamente, con el fin de aplicarlo para mejorar la recomendación del SR.

    En la parte relacionada con los sistemas de recomendación basados en contenido, diseñamos dos propuestas de modelos para predecir el interés noticioso de cada usuario. En las propuestas utilizamos el contenido de las noticias y los accesos realizados por los usuarios para predecir el interés hacía las noticias de un día determinado, además de la clasificación dada para cada noticia. Finalmente realizamos una propuesta de explicación para este tipo de SR, generalizando las ideas que logramos en la propuesta de explicación de filtrado colaborativo, diseñamos una interfaz para explicar la recomendación de noticias.