Repositorio de producción científica de la Universidad de Sevilla

Técnicas de factorización no-negativa de matrices en sistemas de recomendación

Opened Access Técnicas de factorización no-negativa de matrices en sistemas de recomendación
Estadísticas
Icon
Exportar a
Autor: Pérez García, Miguel Ángel
Director: Cruces, Sergio A.
Departamento: Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
Fecha: 2017
Tipo de documento: Trabajo Fin de Grado
Titulación: Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación
Resumen: Cualquier persona que hoy en día utilice internet está, de un modo u otro, alimentando de datos a más de un sistema de recomendación que se encarga de personalizar su experiencia de uso. Ya sea haciendo compras online, visitando páginas de noticias, participando en redes sociales, escuchando música, viendo películas, utilizando aplicaciones en su teléfono móvil, o simplemente exponiendo su navegador web a cookies, el usuario está proporcionando información a terceros que estos consideran de valor, debido a que estos datos pueden utilizarse para hacer recomendaciones individualizadas a potenciales clientes de productos que aún no han consumido, en base a los que ya han consumido tanto ellos mismos como otros clientes con gustos similares. De esta forma, la personalización del servicio se erige como elemento diferenciador frente a otras plataformas que no incorporan un sistema de recomendación en su modelo. Detrás de un sistema de recomendación siempre hay un algoritmo informát...
[Ver más]
Anyone using the internet today is, one way or another, feeding data to a recommender system that enhances the consumer experience. Be it shopping online, browsing news sites, taking part in social networks, listening to music, watching movies, using smartphone apps or just exposing the web browser of choice to cookies, these actions are giving valuable information to third-parties that can be used to provide customized recommendations to potential clients on products yet to be consumed, based on the data generated by those same clients or other clients with similar tastes. Service customization can be a decisive element for the consumer when confronted with several platform choices, making it a vital component for the business model. The heart of a recommender system is always a computer algorithm that takes user data as input and assigns a score, or rating, to the available products in order to prioritize those with a higher score when the system is in need of presenting th...
[Ver más]
Cita: Pérez García, M.A. (2017). Técnicas de factorización no-negativa de matrices en sistemas de recomendación. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla.
Tamaño: 2.612Mb
Formato: PDF

URI: https://hdl.handle.net/11441/69366

Mostrar el registro completo del ítem


Esta obra está bajo una Licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Internacional

Este registro aparece en las siguientes colecciones