Red de Bibliotecas Virtuales de Ciencias Sociales en
América Latina y el Caribe

logo CLACSO

  1. Repositorio institucional de CLACSO
  2. Colección de los Centros Asociados
  3. Colombia
  4. Instituto de Estudios Políticos - IEP - Cosecha
Por favor, use este identificador para citar o enlazar este ítem: https://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/22387
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributorGarcía Díaz, Juan Carlos-
dc.contributorhttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000201529-
dc.contributorGrupo de Investigación Preservación e Intercambio Digital de Información y Conocimiento - Prisma-
dc.creatorLuque y Guzmán Sáenz, Sofía Rosa-
dc.date2020-06-26T17:56:32Z-
dc.date2020-06-26T17:56:32Z-
dc.date2006-11-
dc.date.accessioned2022-03-14T20:13:58Z-
dc.date.available2022-03-14T20:13:58Z-
dc.identifierhttp://hdl.handle.net/20.500.12749/1358-
dc.identifierinstname:Universidad Autónoma de Bucaramanga - UNAB-
dc.identifierreponame:Repositorio Institucional UNAB-
dc.identifier.urihttp://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/22387-
dc.descriptionEste trabajo está enfocado a la implementación de redes neuronales en los algoritmos de filtrado colaborativo. Las redes neuronales juegan un papel importante, que es el de estar aprendiendo las preferencias y el comportamiento de compra de antiguos compradores, y usar ese conocimiento para hacer recomendaciones personalizadas a los compradores actuales (activos). Aquí el sistema de recomendación propuesto trata de predecir las evaluaciones de los usuarios sobre los productos y recomienda los productos top N al usuario solicitante (activo).-
dc.descriptionINTRODUCCIÓN 12 OBJETIVOS 13 OBJETIVO GENERAL 13 OBJETIVOS ESPECÍFICOS 13 ESTADO DEL ARTE 15 1. REDES NEURONALES 17 1.1 CONCEPTOS DE LAS REDES NEURONALES 1.1.1 Conexiones entre neuronas. 21 1.1.2 Función o regla de activación. 21 1.1.3 Regla de aprendizaje. 25 1.1.4 Topología de las Redes Neuronales. 27 1.1.5 Estructura y aprendizaje de la red backpropagation. 29 2. SISTEMAS DE RECOMENDACIÓN 33 2.1 PAUTAS DE DISEÑO DE SISTEMAS DE RECOMENDACIÓN 33 2.1.1 Fase 1: El sistema solicita al usuario sus preferencias. 35 2.1.2 Fase 2: EL sistema ofrece las recomendaciones al usuario 35 2.1.3 Factores que hacen que un sistema de recomendación sea considerado adecuado por los usuarios. 36 3. FILTRADO COLABORATIVO 39 3.1 MODELOS UTILIZADOS PARA EL FILTRADO COLABORATIVO 42 3.1.1 Algoritmos de filtrado colaborativo basados en memoria. 42 3.1.2 Algoritmos de filtrado colaborativo basados en modelos. 42 3.1.3 Algoritmo de filtrado colaborativo basado en usuario. 42 4. MEMORIA ASOCIATIVA 44 4.1 MEMORIA ASOCIATIVA LINEAL (Linear Associative Memory - LAM) 44 4.2 FILTRADO COLABORATIVO POR MEMORIA ASOCIATIVA LINEAL (Collaborative-filtering by Linear Associative Memory - CLAM) 47 4.2.1 El efecto de entrenar el tamaño fijo. 49 4.2.2 Interpretación User-Based de CLAM. 50 5. DISEÑO METODOLOGICO PARA EL PROTOTIPO DE SISTEMA DE RECOMENDACIÓN BASADO EN PRINCIPIOS DE REDES NEURONALES 51 5.1 ARQUITECTURA Y DISEÑO DEL PROTOTIPO 51 5.1.1 Arquitectura MVC (Modelo/Vista/Control). 52 5.1.2 Herramienta Struts. 54 5.2 ANÁLISIS 56 5.2.1 Modelo Funcional. 56 5.3 DISEÑO 58 5.3.1 Diseño de Base de Datos. 58 5.3.2 Documentación de los casos de uso 59 5.3.3 Diseño de eventos 59 5.4 CONSTRUCCIÓN 62 5.4.1 Herramientas de Desarrollo 62 5.5 DESCRIPCIÓN DE PANTALLAS CONSTRUIDAS. 63 6. INFORME DE EVALUACIÓN 66 6.1 EXPERIMENTO 66 6.2 ENTRENAMIENTO DE LA RED 67 6.3 COMPARACION CON EL MÉTODO NAIVE 68 CONCLUSIONES 72 RECOMENDACIONES 73 REFERENCIAS BIBLIOGRAFICAS 74 ANEXOS 79-
dc.descriptionPregrado-
dc.descriptionThis work is focused on the implementation of neural networks in collaborative filtering algorithms. Neural networks play an important role, which is to be learning the preferences and buying behavior of former buyers, and to use that knowledge to make personalized recommendations to current (active) buyers. Here the proposed recommendation system tries to predict user evaluations about the products and recommends the top N products to the requesting (active) user.-
dc.formatapplication/pdf-
dc.formatapplication/pdf-
dc.formatapplication/pdf-
dc.formatapplication/octet-stream-
dc.formatapplication/octet-stream-
dc.formatapplication/octet-stream-
dc.formatapplication/octet-stream-
dc.languagespa-
dc.publisherUniversidad Autónoma de Bucaramanga UNAB-
dc.publisherFacultad Ingeniería-
dc.publisherPregrado Ingeniería de Sistemas-
dc.relationLuque y Guzmán Sáenz, Sofía Rosa, García Díaz, Juan Carlos (2006). Análisis, diseño y construcción de un prototipo de sistema de recomendación basado en principios de redes neuronales. Bucaramanga (Colombia) : Universidad Autónoma de Bucaramanga UNAB-
dc.relation[1] ALEGRE LÓPEZ, Anita. Simulador de Redes Neuronales. Tesis de Pregrado. Argentina, 2003.-
dc.relation[2] Application of ART2 Networks and Self-Organizing Maps to Collaborative Filtering. Lecture Notes In Computer Science; Vol. 2266. Revised Papers from the international Workshops OHS-7, SC-3, and AH-3 on Hypermedia: Openness, Structural Awareness, and Adaptivity. PA. 296 - 309 ISBN: 3-540-43293-0, 2001-
dc.relation[3] WESLEY, Addison. Base de Datos. Una guía práctica. Iberoamericana S.A. 1987.-
dc.relation[4] BREESE Jack; HECKERMAN David y CARL Kadie. Empirical Analysis of Predictive Algorithms for Collaborative Filtering. Microsoft Research, Redmond WA, 98052-6399, USA.1998-
dc.relation[5] BOOCH, Grady; JACOBSON, Ivar y RUMBAUGH, James. The Unified Modeling Languaje. Adisson Wesley Longman Inc. Rational Software Corporation, 1999.-
dc.relation[6] BOOCH, Grady; JACOBSON, Ivar y RUMBAUGH, James. The Unified Software Development Process. Addison Wesley Longman Inc. Rational Software Corporation, 1999-
dc.relation[7] CALDERÓN BENAIDES, Maritza L.; DELGADO, Joaquín; GARCÍA DÍAZ, Juan Carlos, GONZÁLES, Caro Cristina N. y PÉREZ ALCÁZAR, José de J. “A comparison of Several Predictive Algorithms for Collaborative Filtering on Multi-Valued Ratings”. Symposium on Applied Computing, Proceedings of the 2004 ACM symposium on Applied computing. Pa. 1033-1039. ISBN 1-58113-812-1, 2004.-
dc.relation[8] WESLEWY, Addison. Can Sommerville, Ingeniería de Software. 6 ed. 2002-
dc.relation[9] CAY S. Horstman. CORNELL, Gary. Java 2 Características Avanzadas. Prentice Hall. Volumen 2. 2002.-
dc.relation[10] ClasiLiptus. Tesis de Pregrado. Motevideo – Uruguay.-
dc.relation[11] CLAYPOOL, M., GOKHALE A., Miranda, T., MURNIKOV P, Netes. D., and Sartin, M. Combinig Content-Basad and Collaborativve Filters in an Online Newspaper. http://citeseer.nj.nec.com/claypool99combining.html 1999.-
dc.relation[12] CONALLEN, Jim Building Web Aplications with UML. Addison Wesley Longman Inc. 1999.-
dc.relation[13] GONZÁLEZ CARO, Cristina N. CALDERÓN BENAVIDES, Maritza L., PÉREZ ALCÁZAR, José de Jesús, GARCÍA DÍAZ, Juan C., DELGADO, Joaquin. Towards a More Comprehensive Comparison of Collaborative Filtering Algorithms, Proceedings of the 9th International Symposium on String Processing and Information Retrieval, p.248-253, September 11-13, 2002-
dc.relation[14] Deitel y Deitel. Como programar en Java. Pearson Educación. 1998-
dc.relation[15] Douglas Bell. Mike Parr. Java para estudiantes. Prentice Hall. 2003-
dc.relation[16] E. Gamma et al, Design Patterns, Elements of reusable software. Addison Wesley Professional. 1995-
dc.relation[17] Elmasri Navethe. Fundamentos de Database Systems. Adison Wesley. Tercera Edición-
dc.relation[18] FERRAN, M. SPSS Para WINDOWS. Programación y Análisis Estadístico. Mc Graw Hill. 1997-
dc.relation[19] Filtrado Colaborativo http://maxft.udc.ie/chap4.html-
dc.relation[20] GUNTRAM, Gräf y SCHAEFER, Christian: Application of ART2 Networks and Self-Organizing Maps to Collaborative Filtering. Telecooperation Office (TecO), University of Karlsruhe; Karlsruhe, Germany 2001-
dc.relation[21] HAYKIN, S. Neural Networks: A Comprehensive Foundation. Macmillan College Publishing. 1994.-
dc.relation[22] HASSOUN, M. H. Fundamentals of Artificial Neural Networks. The MIT Press. 1995.-
dc.relation[23] RITTER, Helge. MARTINEZ, Tomas, Klaus Schulten. Neural Computation a Self – Organizing Maps. Addison-Wesley Publishing Company, 1992.-
dc.relation[24] HERLOCKER, J., KONSTAN, J., Bochers, A. and Riedl, NJ. An algorithmic framework for performing collaborative filtering. In SIGIR’99: Procceding of the 22nd Annual International ACM SIGIR Conference on Research and Development in information Retrieval. 1999.-
dc.relation[25] HERLOCKER, J., KONSTAN, J., Bochers, A. and Riedl, J. Explaining Collaborative Filtering Recommendations. http://cs.oregonstate.edu/~herlock/papers/explanations_cscw2000.pdf 2000-
dc.relation[26] HERNÁNDEZ ORALLO, José. RAMÌREZ QUINTANA, José m. FERRI RAMÍREZ Cesar. Introducción a la minería de datos. Editorial Pearson. Madrid 2004.-
dc.relation[27] HILERA, José R, y MARTINEZ, y Víctor J. REDES NEURONALES ARTIFICIALES, Alfaomega. Madrid. España. 2000.-
dc.relation[28] BENAVIDES ABAJO, J.; OLAIZOLA BARTOLOMÉ, J. M. y RIVERO CORNELIO, E. SQL para usuarios y programadores. Editorial Paraninfo. Segunda Edición.-
dc.relation[29] FREEMAN, James A. Simulating Neural Networks with Mathematic. Addison-Wesley Publishing Company, 1994-
dc.relation[30] GROFF, James R. WEINBERG, Paul N. Aplique SQL. Osborne McGraw-Hill. 1991.-
dc.relation[31] BOBADILLA, Jesús. Java a través de ejemplos. Alfaomega – Ra-Ma. 2003-
dc.relation[32] KUNG, S. Y., DIGITAL NEURAL NETWORKS. PTR Prentice Hall, Inc. 1993-
dc.relation[33] Lam, Chuck. Collaborative Filtering using Associative Neural Memory, Stanford University, USA. Publicado en Semantic Web Personalization, AAAI Workshop on, The Nineteenth National Conference on Artificial Intelligence - AAAI 2004 , July 25-26, San Jose, California, 2004-
dc.relation[34] M. Sarwar, G. Karypis, J. A. Konstan, and J. Riedl. Item-based collaborative filtering recommendation algorithms. In Proc. of the 10th International World Wide Web Conference (WWW10), Hong Kong, May 2-
dc.relation[35] CALDERÒN, Maritza Liliana y NAYESCAW GONZÀLEZ, Cristina. “Prototipo de Sistemas de Filtrado de información para dar apoyo a la Diseminación selectiva en el centro de información técnica del Instituto Colombiano de Petróleo”. Tesis de Grado. UNAB-2001.-
dc.relation[36] MEEHEE LEE, Pyungseok Choi, Yongtae Woo: A Hybrid Recommender System Combining Collaborative Filtering with Neural Network. AH 2002: 531-534-
dc.relation[37] MOHAMMED J. Kabir. Fundaments of Database Systems. Ediciones Anaya Multimedia S.S. 1999-
dc.relation[38] Network of Excellence in Neural Networks, EURO NET http://www.kcl.ac.uk/neuronet/about/roadmap/-
dc.relation[39] N ILSON, Nils J. Inteligencia Artificial Una Nueva Síntesis. McGraw Hill. 2001.-
dc.relation[40] Pennock, Horvitz Social choice theory and recommender systems: Analysis of the... et al. – 2000-
dc.relation[41] Perdita Stevens, Rob Pooley. “Utilizaciòn de UML en Ingenierìa del Software con Objetos y Componentes”. Addison Wesley. 2002.-
dc.relation[42] Redes de neuronas artificiales y pensamiento http://personal5.iddeo.es/wintrmute/ia/neuronal.htm-
dc.relation[43] Redes Neuronales artificiales - Artificial Neural Networks http://www.gc.ssr.upm.es/inves/neural/ann2/anntutorial.html-
dc.relation[44] Redes neuronales artificiales - Fundamentos, modelos y aplicacion-
dc.relation[45] RESNICK, Paul, NEOPHYTOS, lacovou, SUCHAK, Mitesh, BERGSTROM, Peter, and RIELD, John. GrupoLens: An open architecture for collaborative filteringof netnews. En FATURA, Richard K. y NEWIRTH, Christine M. Proceedings of the ACM 1984 Conference on Computer Supported Cooperative Work. Páginas 175-186. http://www.cs.umn.edu/Research/GroupLens/cscwpaper/paper.html-
dc.relation[46] Shary Lawrence Pheeger. Ingeniería de Software; Teoría y Práctica. Prentice Hall. 2002.-
dc.relation[47] HAYKIN, Simon. Neural Networks a Comprehensive foundation. Macmillan College Publishing Company, Inc, 1994-
dc.relation[48] Stuar Russell. Peter Norving. Inteligencia Artificial; Un Enfoque Moderno. Prentice Hall. 1996-
dc.relation[49] SKAPURA, David M., Building Neuronal Networks, 1996-
dc.relation[50] Universidad de las Américas. Ejemplo de un Perceptrón desarrollado en Java. Http: //udlap.mx/is108851/REDESNEURO/Perceptron, Puebla- México, 2003.-
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/-
dc.rightsAbierto (Texto Completo)-
dc.rightsinfo:eu-repo/semantics/openAccess-
dc.rightshttp://purl.org/coar/access_right/c_abf2-
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia-
dc.subjectNeural Networks (Computers)-
dc.subjectInformation storage systems-
dc.subjectInformation retrieval systems-
dc.subjectDecision support systems-
dc.subjectSystems Engineering Information Systems Administration-
dc.subjectResearch-
dc.subjectRecommendation systems-
dc.subjectCorporate filtering-
dc.subjectComputational prototype-
dc.subjectRedes neurales (Computadores)-
dc.subjectSistemas de almacenamiento de información-
dc.subjectSistemas de recuperación de información-
dc.subjectSistemas de soporte a la toma de decisiones-
dc.subjectIngeniería de sistemas Administración de sistemas de información-
dc.subjectInvestigaciones-
dc.subjectSistemas de recomendación-
dc.subjectFiltrado corporativo-
dc.subjectPrototipo computacional-
dc.titleAnálisis, diseño y construcción de un prototipo de sistema de recomendación basado en principios de redes neuronales-
dc.titleAnalysis, design and construction of a prototype recommendation system based on neural network principles-
dc.typeinfo:eu-repo/semantics/bachelorThesis-
dc.typeTrabajo de Grado-
dc.typehttp://purl.org/coar/resource_type/c_7a1f-
dc.typeinfo:eu-repo/semantics/acceptedVersion-
dc.typehttp://purl.org/redcol/resource_type/TP-
dc.coverageBucaramanga (Colombia)-
Aparece en las colecciones: Instituto de Estudios Políticos - IEP - Cosecha

Ficheros en este ítem:
No hay ficheros asociados a este ítem.
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.