Análisis, diseño y construcción de un prototipo de sistema de recomendación basado en principios de redes neuronales

Luque y Guzmán Sáenz, Sofía Rosa

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.creator	Luque y Guzmán Sáenz, Sofía Rosa
dc.date	2020-06-26T17:56:32Z
dc.date	2020-06-26T17:56:32Z
dc.date	2006-11
dc.date.accessioned	2022-03-14T20:13:58Z
dc.date.available	2022-03-14T20:13:58Z
dc.identifier	http://hdl.handle.net/20.500.12749/1358
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/22387
dc.description	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).
dc.description	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
dc.description	Pregrado
dc.description	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.
dc.format	application/pdf
dc.format	application/pdf
dc.format	application/pdf
dc.format	application/octet-stream
dc.format	application/octet-stream
dc.format	application/octet-stream
dc.format	application/octet-stream
dc.language	spa
dc.publisher	Universidad Autónoma de Bucaramanga UNAB
dc.publisher	Facultad Ingeniería
dc.publisher	Pregrado Ingeniería de Sistemas
dc.relation	Luque 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.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	Neural Networks (Computers)
dc.subject	Information storage systems
dc.subject	Information retrieval systems
dc.subject	Decision support systems
dc.subject	Systems Engineering Information Systems Administration
dc.subject	Research
dc.subject	Recommendation systems
dc.subject	Corporate filtering
dc.subject	Computational prototype
dc.subject	Redes neurales (Computadores)
dc.subject	Sistemas de almacenamiento de información
dc.subject	Sistemas de recuperación de información
dc.subject	Sistemas de soporte a la toma de decisiones
dc.subject	Ingeniería de sistemas Administración de sistemas de información
dc.subject	Investigaciones
dc.subject	Sistemas de recomendación
dc.subject	Filtrado corporativo
dc.subject	Prototipo computacional
dc.title	Análisis, diseño y construcción de un prototipo de sistema de recomendación basado en principios de redes neuronales
dc.title	Analysis, design and construction of a prototype recommendation system based on neural network principles
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)