Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/11000/33205

Sistemas de recomendación en R y aplicación a datos reales


Vista previa

Ver/Abrir:
 LERMA_MICÓ_ALBA.pdf

1,31 MB
Adobe PDF
Compartir:
Título :
Sistemas de recomendación en R y aplicación a datos reales
Autor :
Lerma Micó, Alba
Tutor:
Martínez Mayoral, Mª Asunción  
Editor :
Universidad Miguel Hernández de Elche
Departamento:
Departamentos de la UMH::Estadística, Matemáticas e Informática
Fecha de publicación:
2024-06
URI :
https://hdl.handle.net/11000/33205
Resumen :
Este trabajo fin de grado se plantea con el propósito general de hacer una revisión exhaustiva sobre los sistemas de recomendación, tan popularizados en un sinfín de aplicaciones web a través de las cuales los usuarios escogen productos según sus preferencias, pueden evaluarlos y la aplicación les ofrece o recomienda productos similares para promover su retención y fidelización en la aplicación. Se presentan los fundamentos y alternativas existentes sobre los sistemas de recomendación más comunes y en sus tres enfoques principales: filtrado basado en contenido, filtrado colaborativo y filtrado híbrido. Además, se localizan y describen distintos paquetes estadísticos para resolverlos mediante el lenguaje de programación R, y finalmente se describe en detalle la librería RecommenderLab, la algoritmia que tiene implementada, y el modo de aplicarla sobre unos datos reales para obtener recomendaciones. Se plantea cómo aplicar diversos algoritmos alternativos y compararlos entre sí respecto de las métricas habituales, para analizar y evaluar su rendimiento, esto es, su precisión y eficacia. Se trabaja sobre la popular base de datos MovieLens, que es descrita inicialmente a través del correspondiente análisis estadístico exploratorio, para después aplicar diferentes tipos de filtrado, obtener las recomendaciones pertinentes y compararlas respecto de las métricas de calidad propuestas.
Palabras clave/Materias:
sistemas de recomendación
recommenderLab
filtrado colaborativo
filtrado contenido
filtrado híbrido
Área de conocimiento :
CDU: Ciencias sociales: Demografía. Sociología. Estadística: Estadística
Tipo documento :
application/pdf
Derechos de acceso:
info:eu-repo/semantics/openAccess
Aparece en las colecciones:
TFG - Estadística Empresarial



Creative Commons La licencia se describe como: Atribución-NonComercial-NoDerivada 4.0 Internacional.