Aplicación de técnicas de algoritmos genéticos en el filtrado de información e implementación de un prototipo

Villamizar Gómez, Mónica Viviana; Mendoza Mancipe, Silvia Alejandra

DSpace Principal
→
Colección de los Centros Asociados
→
Colombia
→
Instituto de Estudios Políticos - IEP - Cosecha
→
Ver ítem

dc.contributor	García Díaz, Juan Carlos
dc.contributor	https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000201529
dc.contributor	Grupo de Investigación Preservación e Intercambio Digital de Información y Conocimiento - Prisma
dc.contributor	Grupo de Investigación Tecnologías de Información - GTI
dc.creator	Villamizar Gómez, Mónica Viviana
dc.creator	Mendoza Mancipe, Silvia Alejandra
dc.date	2020-06-26T17:56:34Z
dc.date	2020-06-26T17:56:34Z
dc.date	2006
dc.date.accessioned	2022-03-14T20:13:51Z
dc.date.available	2022-03-14T20:13:51Z
dc.identifier	http://hdl.handle.net/20.500.12749/1364
dc.identifier	instname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifier	reponame:Repositorio Institucional UNAB
dc.identifier.uri	http://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/22328
dc.description	El presente trabajo abarca un enfoque alternativo, desde los algoritmos evolutivos, a la manera tradicional en que se abordan al filtrado colaborativo. Se examinan las posibilidades de los algoritmos genéticos para brindar características adaptativas a estos sistemas. Nuestro objetivo, además de proporcionar una panorámica informativa general sobre las posibilidades y potencialidades de el filtrado colaborativo, es proveer mecanismos para que el filtrado colaborativo sea capaz de aprender características personales desde los usuarios, con miras a mejorar la efectividad a la hora de encontrar recomendaciones y sugerencias apropiadas para un individuo en particular. El enfoque tratado en este proyecto utiliza a los algoritmos genéticos como afinadores en el proceso de concordancia de perfiles dentro de un sistema recomendador, adecuando finalmente estos a las preferencias individuales, lo que redunda en una mayor precisión del sistema de recomendación a la hora de predecir que gusta o no a un usuario específico.
dc.description	The present work covers an alternative approach, from evolutionary algorithms, to the traditional way in which collaborative filtering is approached. The possibilities of genetic algorithms to provide adaptive characteristics to these systems are examined. Our objective, in addition to providing a general informative overview of the possibilities and potential of collaborative filtering, is to provide mechanisms so that collaborative filtering is capable of learning personal characteristics from users, with a view to improving effectiveness when it comes to finding recommendations. and suggestions appropriate to a particular individual. The approach treated in this project uses genetic algorithms as refiners in the process of concordance of profiles within a recommender system, finally adapting these to individual preferences, which results in a greater precision of the recommendation system when predicting. what a specific user likes or dislikes.
dc.description	1. INTRODUCCION 15 1.1 CONTEXTO 15 1.2 PLANTEAMIENTO DEL PROBLEMA 15 1.3 OBJETIVOS 17 1.4 REQUERIMIENTOS GENERALES DEL PROYECTO 18 1.5 ALCANCE 18 1.6 ESTRUCTURA DE LA TESIS 19 2. ESTADO DEL ARTE 20 3. ALGORITMOS EVOLUTIVOS 25 3.1 ORIGENES DE LOS ALGORTIMOS EVOLUTIVOS 26 3.2 ALGORITMOS GENETICOS 26 3.2.1 Aplicación del algoritmo genético. 28 3.2.2 Estructuración de los algoritmos genéticos 28 3.3 SISTEMAS DE RECOMENDACIÓN 31 3.3.1 Estructura de los sistemas recomendadotes 34 3.3.2 Entradas / salidas 34 3.3.3 Método de Generación de Recomendaciones 36 3.3.4 Grado de Personalización. 37 3.4 FILTRADO COLABORATIVO 38 3.4.1 Procesos 40 4. SOLUCION PLANTEADA 46 4.1 ALGORITMO PROPUESTO 46 4.1.1 Generación de perfiles. 47 4.1.2 Generación de la población Inicial. 48 4.2 FUNCIÓN DE EVALUACIÓN 48 4.3 PROCESO DE SELECCIÓN 50 4.3.1 Cruce 50 4.3.2 Mutación 50 4.3.3 Predicción del Voto 51 4.3.4 Tamaño de la población 51 4.3.5 Criterio de terminación del algoritmo 52 5. PRUEBAS EXPERIMENTALES 53 5.1 UTILIZACIÓN 53 5.2 ARCHIVOS Y RESULTADOS PRIMER SISTEMA DE PRUEBAS 53 5.2.1 Segundo sistema de pruebas 55 5.4 ANÁLISIS DE LOS RESULTADOS 57 6. DISEÑO METODOLÓGICO 59 6.1 DESCRIPCIÓN DEL PROGRAMA 59 6.2 DESCRIPCIÓN GENERAL 59 6.2.1 Modelo Vista Controlador 59 6.2.2 Grouplens. 61 6.2.3 Análisis y Requerimientos 62 6.3 DISEÑO 65 CONCLUSIONES 66 RECOMENDACIONES 69 REFERENCIAS BIBLIOGRAFICAS 70 ANEXOS 74
dc.description	Pregrado
dc.format	application/pdf
dc.format	application/pdf
dc.language	spa
dc.publisher	Universidad Autónoma de Bucaramanga UNAB
dc.publisher	Facultad Ingeniería
dc.publisher	Pregrado Ingeniería de Sistemas
dc.relation	Villamizar Gómez, Mónica Viviana, Mendoza Mancipe, Silvia Alejandra, García Díaz, Juan Carlos (2006). Aplicación de técnicas de algoritmos genéticos en el filtrado de información e implementación de un prototipo. Bucaramanga (Colombia) : Universidad Autónoma de Bucaramanga UNAB
dc.relation	Aggarwal Ch, C., Wolf, J.L. and Horting, P.S a new graph_theoretic approach to Collaborative Filtering in Knowledge Discovery and Data Minning 1999. PP 201-212.
dc.relation	Balabanovic M., Shohamy “content-based collaborative Recommendation Communications of the ACM, Vol 40 No 3, March 1997.
dc.relation	Bezdeck, J.C., Booggavaparus., Hall. L., O. y Bensaid, A (1994) Genetic Algorithm guided Clustering in Proc of the First IEEE conference evolutionary Computacion, 3440
dc.relation	Calderon Benavides, Matirza Liliana, NAYEZCA GONZALES, Cristina, Prototipo de sistema de Filtrado Colaborativo de la información para dar apoyo a la diseminación selectiva en el Instituto Colombiano del Petróleo.
dc.relation	Coello Coello, Carlos A. Introducción a los Algoritmos genéticos, Red Científica, Ciencia, Tecnología y Pensamiento, 2006.
dc.relation	Canny J., Collaborative Filtering with privacy via factor analysis, in proc ACM conf on research and development in information.1998.
dc.relation	Cays Horstmanw / GaryCornell, Caracteristicas Avanzadas Java 2, Prentice Hall, 2002.
dc.relation	Computers by Means of Natural Selection", The MIT Press, 1992, 819 p.
dc.relation	Dash M., and Liu H., Feature selection for classification. Intellegent Data Analysis vol 1, 1997 pp131-156.
dc.relation	Deitel & Deitel, Como Programar en Java, Person Education, 1998.
dc.relation	Denning, Peter J. "Genetic Algorithms", en American Scientist, Volume 80, January-February 1992, pp. 12-14.
dc.relation	Elmusri Navathe, Fundaments of Database System, Addison Wesley.
dc.relation	Falkenaver Emanuek Evolutionary Algorithms : Applying genetic To to real world problems springer, New York pag 65-68.
dc.relation	Foltz, P.W., Dumais, S.t “personalized Information Delivery An Analysis of Information Filtering Methods”, Communications of the ACM 35 (12) 51-60 (1992).
dc.relation	Geyer-Schulz, A., Hahsler, M., Jahn, M.Myvu A next Generation Recommender System Based on Observed consumer Behavior and interactive evolutionary algorithms in: W gaul, O.Opitz, M Schader: Data Analysis-scientific.Springer, Heidelberg 447-457
dc.relation	Goldberg David E. Genetic Algorithms in search optimization and machine learning Addison Wesley Publishing Company, Inc.
dc.relation	Goldberg, David E., Genetic Algorithms in search, optimization and machine learning. Addison-Wesley Publishing Company, Inc 1989
dc.relation	Holland, J.H., Adaption in natural and artificial System.Ann arbor: the university of Michigan Press. 1975.
dc.relation	Jacobson I., Object Oriented Software Engineering. A use case driven Approach. Addison Wesley, 1992.
dc.relation	James R Groff, Paul N, Weinberg, Aplique Sql, McGraw Hill, 1991.
dc.relation	J. BENAVIDES, J.M Bartolomé, E. RIVERO Cornelio, Sql Para Usuarios y Programadores, Editorial Paranfo, 2 Edicion, 1992.
dc.relation	Jesús Bobadilla, Java a Través de Ejemplos, Alfaomega Ra-Ma, 2003.
dc.relation	Douglas Bell Mike Parr, Java para Estudiantes, Prentice Hall, 3 Edición, 2003.
dc.relation	Josep Grarratano, University of Houston, Sistemas Experos principios y programacion International Thomson Editores, 2001.
dc.relation	Koza, John R, Genetic Programming Cambridge: M. I.T Press, 1997.
dc.relation	Kohrs, A., Merialdo, B., Clustering for Collaborative Filtering Applications in Computational Intelligence for Modelling Control y Automation,105 Press, 1999.
dc.relation	Merelo, Juan Julián. Informática evolutiva Algoritmos genéticos. Universidad de Granada. 2000.
dc.relation	Min Tjoa, A. Hofferer, M. Ehrentraut, G., Untersmayr, P. Appying Evolutionary Algorithms to the problem of information filtering, Dexa Workshop 1997: 450-458.
dc.relation	Miller, B.P Callaghon, M.D Cargille, J.k; Hollingsworth, R.b. The Paradying Parallel perfomance measurement tool IEEE computer, 28:37-46 1995
dc.relation	Mitchell, Introduction to genetic Algorithms Cambridge; M.A : Mit press, 1998.
dc.relation	Michalewicz, Zbigniew. "Genetic Algorithms + Data Structures = Evolution Programs", Springer-Verlag, 1992, 250 p.
dc.relation	Mohammed J.Kabir, Servidor Apache, Ediciones Anaya Multiemdia S.A 1998
dc.relation	MVC implementation http://www106.ibm.com/rworks/websphere/techjournal/0302_fung/fung.html
dc.relation	Pressman, Roger S., Ingeniería de software
dc.relation	Sarway, B, Karypis, G, konstan J. and Riedl, j. Grouplens Research group Army HPC Research Center Departament of Computer Science and Engineering, University of Minnesota Han, S. chee, Minneapolis M N Hong Kong, 2001.
dc.relation	Sheth, B, Maes, P. evolving agents for personalized information filtering. In proc on artificial intelligence for applications 1993. US, 345-352.
dc.relation	Shor Lawrence, Ingeniería del Software Teoría y Practica, Prentice Hall, 2002.
dc.relation	Steve MC. Menamin Palmer, J. Essential Systems Análisis Prentice may Press, 1984.
dc.relation	Siple, Matthew D, The complete guide to Java Database programming, McGraw Hill, New Cork, 1998
dc.relation	Systems and Genetic Algorithms", en Artificial Intelligence, 40, 1989, pp. 235-282.
dc.relation	Ujjin, S. And Bentley, P.J. Learning User Preferences Using Evolutionin proceedings of the 4th asia-pacif conference on simulated evolution and Learning 2002. Singapore.
dc.relation	Editing Nearest Neighbour Decision Rules. Http://www-cgrl.cs mcgill.cal/godfried/taching/projects.pr.98/serger/project.html.
dc.relation	Wilf, H.S., Algorithms and Complexity, Prentice Hall, 1996.
dc.rights	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights	Abierto (Texto Completo)
dc.rights	info:eu-repo/semantics/openAccess
dc.rights	http://purl.org/coar/access_right/c_abf2
dc.rights	Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.subject	Selective dissemination of information
dc.subject	Information storage systems
dc.subject	Information retrieval systems
dc.subject	Genetic algorithms
dc.subject	Systems Engineering
dc.subject	Research
dc.subject	Recommendation systems
dc.subject	Collaborative filtering
dc.subject	Genetic algorithm
dc.subject	Diseminación selectiva de información
dc.subject	Sistemas de almacenamiento de información
dc.subject	Sistemas de recuperación de información
dc.subject	Algoritmos genéticos
dc.subject	Ingeniería de sistemas
dc.subject	Investigaciones
dc.subject	Sistemas de recomendación
dc.subject	Filtrado colaborativo
dc.subject	Algoritmo genético
dc.title	Aplicación de técnicas de algoritmos genéticos en el filtrado de información e implementación de un prototipo
dc.title	Application of genetic algorithm techniques in information filtering and implementation of a prototype
dc.type	info:eu-repo/semantics/bachelorThesis
dc.type	Trabajo de Grado
dc.type	http://purl.org/coar/resource_type/c_7a1f
dc.type	info:eu-repo/semantics/acceptedVersion
dc.type	http://purl.org/redcol/resource_type/TP
dc.coverage	Bucaramanga (Colombia)