RT Generic
T1 Sistemas de recomendación
A1 Pérez Couñago, Inés
K1 Comercio electrónico
K1 Fltro colaborativo
K1 Filtro basado en el contenido
K1 Modelos de elección discreta
K1 Recommender systems
K1 e-commerce
K1 Collaborative filtering
K1 Content based filtering,
K1 Discrete choice method
AB [ES] Los sistemas de recomendación son herramientas que predicen nuestros gustos y necesidades y, en base a ellos, sugieren los artículos que nos aportan mayor utilidad. Según cómo se realice la predicción podemos distinguir varios tipos de recomendación. Los dos más comunes son la predicción colaborativa y la basada en el contenido. Ambos enfoques presentan limitaciones en ciertos contextos, que pueden ser superadas a través de modelos de regresión basados en la elección  discreta. En este trabajo se analizan algunas de las técnicas más usadas en cada tipo de recomendación: el algoritmo de los 𝒌-vecinos, la factorización matricial y el clustering para los sistemas colaborativos; las técnicas con las que se mide la frecuencia de aparición de las palabras y las que construyen redes bayesianas, en el caso de los sistemas basados en el contenido, y los modelos logit y probit dentro de los modelos de elección. Los algoritmos estudiados se aplicaron al sector turístico con el objetivo de conocer las preferencias gastronómicas de las personas que participaron en el evento Santiago(é)Tapas. A través de los sistemas de recomendación, se consiguió establecer una relación entre factores como el estilo con el que se elabora una tapa y los gustos de los usuarios.
AB [EN] Recommender systems are tools that predict our tastes and needs and, based on them, suggest the articles that provide us with the greatest utility. Depending on how the prediction is made, we can distinguish several types of recommendation. The two most common are collaborative and content-based. Both approaches have limitations in certain contexts, which can be overcome through regression models based on discrete choice. In this work, we analyze some of the most used  techniques in each type of recommendation: the 𝒌-neighbors algorithm, matrix factorization and clustering for collaborative systems; techniques based on the frequency of appearance of words and methods based on probability in the case of content-based systems; and the logit and probit models within the choice models. The algorithms studied were applied to the tourism field in order to figure out the gastronomic preferences of the people who participated in the event Santiago(é)Tapas. Through the recommendation systems, it was possible to establish a relationship between factors such as the style with which a tapa is made and the tastes of the users.
YR 2021
FD 2021-07
LK http://hdl.handle.net/10347/28946
UL http://hdl.handle.net/10347/28946
LA spa
NO Traballo Fin de Grao en Matemáticas. Curso 2020-2021
DS Minerva
RD 24 abr 2026