Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación

Mostrar todas las versiones(4)

Cuando un nuevo usuario hace uso de un sistema de recomendación, no se tiene suficiente información sobre sus preferencias para producir recomendaciones precisas. Este problema es conocido como "arranque en frío". Para lidiar con esta situación, se requiere de un tiempo de aprendizaje en e...

Descripción completa

Detalles Bibliográficos
Autor principal: Silvi, Luciano
Otros Autores: Alonso i Alemany, Laura
Formato: bachelorThesis
Lenguaje:Español
Publicado: 2018
Materias:
Active learning settings
Cluster analysis
Recommender systems
Acceso en línea:http://hdl.handle.net/11086/5786
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R14111086-5786
record_format dspace
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Español
topic Active learning settings
Cluster analysis
Recommender systems
spellingShingle Active learning settings
Cluster analysis
Recommender systems
Silvi, Luciano
Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
topic_facet Active learning settings
Cluster analysis
Recommender systems
description Cuando un nuevo usuario hace uso de un sistema de recomendación, no se tiene suficiente información sobre sus preferencias para producir recomendaciones precisas. Este problema es conocido como "arranque en frío". Para lidiar con esta situación, se requiere de un tiempo de aprendizaje en el que el usuario provee una retroalimentación al sistema indicándole así sus preferencias. Pero esto trae aparejado un inconveniente: cuanto mayor demora suponga este proceso, mayor será la pérdida de tiempo tanto para el usuario como para el proveedor del servicio, además de ser una tarea generalmente tediosa. Es por eso que en este trabajo estudiaremos distintas aproximaciones con el objetivo de reducir el tiempo de aprendizaje del sistema, pero maximizando la utilidad de la información aportada por el usuario. Para ello nos enfocaremos en la aplicación de Aprendizaje Activo, un método de aprendizaje automático que nos ayudará a crear con mayor rapidez un perfil para el usuario en cuestión.
author2 Alonso i Alemany, Laura
author_facet Alonso i Alemany, Laura
Silvi, Luciano
format bachelorThesis
author Silvi, Luciano
author_sort Silvi, Luciano
title Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
title_short Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
title_full Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
title_fullStr Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
title_full_unstemmed Aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
title_sort aprendizaje activo para mejorar el arranque en frío de sistemas de recomendación
publishDate 2018
url http://hdl.handle.net/11086/5786
work_keys_str_mv AT silviluciano aprendizajeactivoparamejorarelarranqueenfriodesistemasderecomendacion
bdutipo_str Repositorios
_version_ 1764820396370034693

Ejemplares similares