1. Repositorio institucional de CLACSO
2. Colección de los Centros Asociados
3. Colombia
4. Instituto de Estudios Políticos - IEP - Cosecha

Título :	Análisis, diseño y construcción de un prototipo de sistema de recomendación basado en principios de redes neuronales Analysis, design and construction of a prototype recommendation system based on neural network principles
Autor :	García Díaz, Juan Carlos https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000201529 Grupo de Investigación Preservación e Intercambio Digital de Información y Conocimiento - Prisma
Palabras clave :	Neural Networks (Computers);Information storage systems;Information retrieval systems;Decision support systems;Systems Engineering Information Systems Administration;Research;Recommendation systems;Corporate filtering;Computational prototype;Redes neurales (Computadores);Sistemas de almacenamiento de información;Sistemas de recuperación de información;Sistemas de soporte a la toma de decisiones;Ingeniería de sistemas Administración de sistemas de información;Investigaciones;Sistemas de recomendación;Filtrado corporativo;Prototipo computacional
Editorial :	Universidad Autónoma de Bucaramanga UNAB Facultad Ingeniería Pregrado Ingeniería de Sistemas
Descripción :	Este 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). INTRODUCCIÓN 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 Pregrado This 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.
URI :	http://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/22387
Otros identificadores :	http://hdl.handle.net/20.500.12749/1358 instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB
Aparece en las colecciones:	Instituto de Estudios Políticos - IEP - Cosecha

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