Mostrar el registro sencillo del ítem

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

dc.contributor.advisorGarcía Díaz, Juan Carlosspa
dc.contributor.authorLuque y Guzmán Sáenz, Sofía Rosaspa
dc.date.accessioned2020-06-26T17:56:32Z
dc.date.available2020-06-26T17:56:32Z
dc.date.issued2006-11
dc.identifier.urihttp://hdl.handle.net/20.500.12749/1358
dc.description.abstractEste 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).spa
dc.description.tableofcontentsINTRODUCCIÓN 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 79spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleAnálisis, diseño y construcción de un prototipo de sistema de recomendación basado en principios de redes neuronalesspa
dc.title.translatedAnalysis, design and construction of a prototype recommendation system based on neural network principleseng
dc.degree.nameIngeniero de Sistemasspa
dc.coverageBucaramanga (Colombia)spa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.programPregrado Ingeniería de Sistemasspa
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsNeural Networks (Computers)eng
dc.subject.keywordsInformation storage systemseng
dc.subject.keywordsInformation retrieval systemseng
dc.subject.keywordsDecision support systemseng
dc.subject.keywordsSystems Engineering Information Systems Administrationeng
dc.subject.keywordsResearcheng
dc.subject.keywordsRecommendation systemseng
dc.subject.keywordsCorporate filteringeng
dc.subject.keywordsComputational prototypeeng
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.relation.referencesLuque 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 UNABspa
dc.relation.references[1] ALEGRE LÓPEZ, Anita. Simulador de Redes Neuronales. Tesis de Pregrado. Argentina, 2003.spa
dc.relation.references[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, 2001spa
dc.relation.references[3] WESLEY, Addison. Base de Datos. Una guía práctica. Iberoamericana S.A. 1987.spa
dc.relation.references[4] BREESE Jack; HECKERMAN David y CARL Kadie. Empirical Analysis of Predictive Algorithms for Collaborative Filtering. Microsoft Research, Redmond WA, 98052-6399, USA.1998spa
dc.relation.references[5] BOOCH, Grady; JACOBSON, Ivar y RUMBAUGH, James. The Unified Modeling Languaje. Adisson Wesley Longman Inc. Rational Software Corporation, 1999.spa
dc.relation.references[6] BOOCH, Grady; JACOBSON, Ivar y RUMBAUGH, James. The Unified Software Development Process. Addison Wesley Longman Inc. Rational Software Corporation, 1999spa
dc.relation.references[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.spa
dc.relation.references[8] WESLEWY, Addison. Can Sommerville, Ingeniería de Software. 6 ed. 2002spa
dc.relation.references[9] CAY S. Horstman. CORNELL, Gary. Java 2 Características Avanzadas. Prentice Hall. Volumen 2. 2002.spa
dc.relation.references[10] ClasiLiptus. Tesis de Pregrado. Motevideo – Uruguay.spa
dc.relation.references[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.spa
dc.relation.references[12] CONALLEN, Jim Building Web Aplications with UML. Addison Wesley Longman Inc. 1999.spa
dc.relation.references[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, 2002spa
dc.relation.references[14] Deitel y Deitel. Como programar en Java. Pearson Educación. 1998spa
dc.relation.references[15] Douglas Bell. Mike Parr. Java para estudiantes. Prentice Hall. 2003spa
dc.relation.references[16] E. Gamma et al, Design Patterns, Elements of reusable software. Addison Wesley Professional. 1995spa
dc.relation.references[17] Elmasri Navethe. Fundamentos de Database Systems. Adison Wesley. Tercera Ediciónspa
dc.relation.references[18] FERRAN, M. SPSS Para WINDOWS. Programación y Análisis Estadístico. Mc Graw Hill. 1997spa
dc.relation.references[19] Filtrado Colaborativo http://maxft.udc.ie/chap4.htmlspa
dc.relation.references[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 2001spa
dc.relation.references[21] HAYKIN, S. Neural Networks: A Comprehensive Foundation. Macmillan College Publishing. 1994.spa
dc.relation.references[22] HASSOUN, M. H. Fundamentals of Artificial Neural Networks. The MIT Press. 1995.spa
dc.relation.references[23] RITTER, Helge. MARTINEZ, Tomas, Klaus Schulten. Neural Computation a Self – Organizing Maps. Addison-Wesley Publishing Company, 1992.spa
dc.relation.references[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.spa
dc.relation.references[25] HERLOCKER, J., KONSTAN, J., Bochers, A. and Riedl, J. Explaining Collaborative Filtering Recommendations. http://cs.oregonstate.edu/~herlock/papers/explanations_cscw2000.pdf 2000spa
dc.relation.references[26] HERNÁNDEZ ORALLO, José. RAMÌREZ QUINTANA, José m. FERRI RAMÍREZ Cesar. Introducción a la minería de datos. Editorial Pearson. Madrid 2004.spa
dc.relation.references[27] HILERA, José R, y MARTINEZ, y Víctor J. REDES NEURONALES ARTIFICIALES, Alfaomega. Madrid. España. 2000.spa
dc.relation.references[28] BENAVIDES ABAJO, J.; OLAIZOLA BARTOLOMÉ, J. M. y RIVERO CORNELIO, E. SQL para usuarios y programadores. Editorial Paraninfo. Segunda Edición.spa
dc.relation.references[29] FREEMAN, James A. Simulating Neural Networks with Mathematic. Addison-Wesley Publishing Company, 1994spa
dc.relation.references[30] GROFF, James R. WEINBERG, Paul N. Aplique SQL. Osborne McGraw-Hill. 1991.spa
dc.relation.references[31] BOBADILLA, Jesús. Java a través de ejemplos. Alfaomega – Ra-Ma. 2003spa
dc.relation.references[32] KUNG, S. Y., DIGITAL NEURAL NETWORKS. PTR Prentice Hall, Inc. 1993spa
dc.relation.references[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, 2004spa
dc.relation.references[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 2spa
dc.relation.references[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.spa
dc.relation.references[36] MEEHEE LEE, Pyungseok Choi, Yongtae Woo: A Hybrid Recommender System Combining Collaborative Filtering with Neural Network. AH 2002: 531-534spa
dc.relation.references[37] MOHAMMED J. Kabir. Fundaments of Database Systems. Ediciones Anaya Multimedia S.S. 1999spa
dc.relation.references[38] Network of Excellence in Neural Networks, EURO NET http://www.kcl.ac.uk/neuronet/about/roadmap/spa
dc.relation.references[39] N ILSON, Nils J. Inteligencia Artificial Una Nueva Síntesis. McGraw Hill. 2001.spa
dc.relation.references[40] Pennock, Horvitz Social choice theory and recommender systems: Analysis of the... et al. – 2000spa
dc.relation.references[41] Perdita Stevens, Rob Pooley. “Utilizaciòn de UML en Ingenierìa del Software con Objetos y Componentes”. Addison Wesley. 2002.spa
dc.relation.references[42] Redes de neuronas artificiales y pensamiento http://personal5.iddeo.es/wintrmute/ia/neuronal.htmspa
dc.relation.references[43] Redes Neuronales artificiales - Artificial Neural Networks http://www.gc.ssr.upm.es/inves/neural/ann2/anntutorial.htmlspa
dc.relation.references[44] Redes neuronales artificiales - Fundamentos, modelos y aplicacionspa
dc.relation.references[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.htmlspa
dc.relation.references[46] Shary Lawrence Pheeger. Ingeniería de Software; Teoría y Práctica. Prentice Hall. 2002.spa
dc.relation.references[47] HAYKIN, Simon. Neural Networks a Comprehensive foundation. Macmillan College Publishing Company, Inc, 1994spa
dc.relation.references[48] Stuar Russell. Peter Norving. Inteligencia Artificial; Un Enfoque Moderno. Prentice Hall. 1996spa
dc.relation.references[49] SKAPURA, David M., Building Neuronal Networks, 1996spa
dc.relation.references[50] Universidad de las Américas. Ejemplo de un Perceptrón desarrollado en Java. Http: //udlap.mx/is108851/REDESNEURO/Perceptron, Puebla- México, 2003.spa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000201529*
dc.subject.lembRedes neurales (Computadores)spa
dc.subject.lembSistemas de almacenamiento de informaciónspa
dc.subject.lembSistemas de recuperación de informaciónspa
dc.subject.lembSistemas de soporte a la toma de decisionesspa
dc.subject.lembIngeniería de sistemas Administración de sistemas de informaciónspa
dc.subject.lembInvestigacionesspa
dc.description.abstractenglishThis 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.eng
dc.subject.proposalSistemas de recomendaciónspa
dc.subject.proposalFiltrado corporativospa
dc.subject.proposalPrototipo computacionalspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.contributor.researchgroupGrupo de Investigación Preservación e Intercambio Digital de Información y Conocimiento - Prismaspa
dc.contributor.researchgroupGrupo de Investigaciones Clínicasspa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.description.learningmodalityModalidad Presencialspa


Ficheros en el ítem

Thumbnail
Nombre:
2006_Tesis_Sofia_Rosa_Luque.pdf
Tamaño:
1021.Kb
Formato:
PDF
Descripción:
Tesis
Ver/
Thumbnail
Nombre:
2006_Articulo_Sofia_Rosa_Luque.pdf
Tamaño:
274.1Kb
Formato:
PDF
Descripción:
Artículo
Ver/
Thumbnail
Nombre:
2006_Codigo_Fuente_Sofia_Rosa_ ...
Tamaño:
2.363Mb
Formato:
Desconocido
Descripción:
Código fuente
Ver/
Thumbnail
Nombre:
2006_Instalador_Sofia_Rosa_Luq ...
Tamaño:
39.68Mb
Formato:
Desconocido
Descripción:
Instaladores
Ver/
Thumbnail
Nombre:
2006_Manual_Sofia_Rosa_Luque.zip
Tamaño:
13.06Mb
Formato:
Desconocido
Descripción:
Manual
Ver/
Thumbnail
Nombre:
2006_Software_Sofia_Rosa_Luque.zip
Tamaño:
2.366Mb
Formato:
Desconocido
Descripción:
Software
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 2.5 Colombia