Idiomas

Métodos de preprocesamiento de datos para sistemas recomendadores de filtrado colaborativo, con aplicación en un escenario de e-learning

TítuloMétodos de preprocesamiento de datos para sistemas recomendadores de filtrado colaborativo, con aplicación en un escenario de e-learning
Tipo de publicaciónTesis Doctorales
Año de publicación2015
AutoresR. Yera
DirectorYailé Caballero Mota and L. Martínez
Fecha PublicaciónDiciembre
UniversidadUNIVERSIDAD CENTRAL “MARTA ABREU” DE LAS VILLAS
CiudadSanta Clara
Palabras claveNatural noise, Recommender systems
Resumen

Los sistemas recomendadores se centran en ayudar a los usuarios a encontrar aquella información que mejor se corresponda con sus necesidades y preferencias, en un espacio de búsqueda sobrecargado de posibles opciones. El grueso de las investigaciones en esta área se centra en la propuesta de nuevos métodos de recomendación que mejoren la eficacia de trabajos previos. Sin embargo, se han detectado muy pocos trabajos enfocados en preprocesar datos inconsistentes en sistemas recomendadores, con vistas a elevar su eficacia. A raíz de lo anterior, el objetivo de esta investigación es el de desarrollar nuevos métodos de preprocesamiento para la eliminación de inconsistencias de tipo ruido natural en sistemas recomendadores de filtrado colaborativo, que contribuyan a mejorar la eficacia de las recomendaciones generadas. Los resultados principales son, como aporte teórico, un método de corrección de preferencias inconsistentes que se destaca en el estado del arte por no depender de información adicional más allá de los propios valores de preferencia, y como aporte práctico un método para recomendar problemas a resolver en un Juez en Línea de Programación, y un método para preprocesar comportamientos inconsistentes en este recomendador, basado en el método de corrección inicialmente propuesto.

Hot paper 
Altamente citado