Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación

Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación

Show other versions (1)

Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2016.

Saved in:
Bibliographic Details
Main Author: Silvi, Luciano
Other Authors: Alonso i Alemany, Laura
Format: bachelorThesis biblioteca
Language:spa
Published: 2016
Subjects:Active learning settings, Cluster analysis, Aprendizaje automático, Sistemas de recomendación, Active learning,
Online Access:http://hdl.handle.net/11086/4125
Tags: Add Tag
No Tags, Be the first to tag this record!
id dig-unc-ar-11086-4125
record_format koha
spelling dig-unc-ar-11086-41252022-10-13T11:34:21Z Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación Silvi, Luciano Alonso i Alemany, Laura Active learning settings Cluster analysis Aprendizaje automático Sistemas de recomendación Active learning Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2016. Cuando un nuevo usuario hace uso de un sistema de recomendación, no se tiene suficiente información sobre sus preferencias para producir recomendaciones precisas. Este problema es conocido como "arranque en frío". Para lidiar con esta situación, se requiere de un tiempo de aprendizaje en el que el usuario provee una retroalimentación al sistema ndicándole así sus preferencias. Pero esto trae aparejado un inconveniente: cuanto mayor demora suponga este proceso, mayor será la pérdida de tiempo tanto para el usuario como para el proveedor del servicio, además de ser una tarea generalmente tediosa. Es por eso que en este trabajo estudiaremos distintas aproximaciones con el objetivo de reducir el tiempo de aprendizaje del sistema, pero maximizando la utilidad de la información aportada por el usuario. Para ello nos enfocaremos en la aplicación de Aprendizaje Activo, un método de aprendizaje automático que nos ayudará a crear con mayor rapidez un perfil para el usuario en cuestión. Every time a recommender system has a new user, it does not have enough information to generate recommendations with high precision, this is known as cold start. To deal with this problem, a feedback from the user is needed to know his preferences. This process usually takes a lot of time, which is not desired by neither of them, the user and the service provider. Adapting this problem to a classification problem allow us to apply Active Learning techniques that, as we will see, offer some methods to, given the less possible information about a new user, make right predictions with higher precision than the standard solutions applied in this situation. 2016-10-07T14:48:19Z 2016-10-07T14:48:19Z 2016 bachelorThesis http://hdl.handle.net/11086/4125 spa Atribución-NoComercial-CompartirIgual 2.5 Argentina http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
institution UNC AR
collection DSpace
country Argentina
countrycode AR
component Bibliográfico
access En linea
databasecode dig-unc-ar
tag biblioteca
region America del Sur
libraryname Biblioteca 'Ing. Agrónomo Moisés Farber' de la Facultad de Ciencias Agropecuarias
language spa
topic Active learning settings
Cluster analysis
Aprendizaje automático
Sistemas de recomendación
Active learning
Active learning settings
Cluster analysis
Aprendizaje automático
Sistemas de recomendación
Active learning
spellingShingle Active learning settings
Cluster analysis
Aprendizaje automático
Sistemas de recomendación
Active learning
Active learning settings
Cluster analysis
Aprendizaje automático
Sistemas de recomendación
Active learning
Silvi, Luciano
Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
description Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2016.
author2 Alonso i Alemany, Laura
author_facet Alonso i Alemany, Laura
Silvi, Luciano
format bachelorThesis
topic_facet Active learning settings
Cluster analysis
Aprendizaje automático
Sistemas de recomendación
Active learning
author Silvi, Luciano
author_sort Silvi, Luciano
title Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
title_short Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
title_full Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
title_fullStr Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
title_full_unstemmed Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
title_sort aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
publishDate 2016
url http://hdl.handle.net/11086/4125
work_keys_str_mv AT silviluciano aprendizajeactivoparamejorarelarranqueenfriodesistemasderecomendacion
_version_ 1756009078549643264

Similar Items