El presente libro expone un estudio realizado en una empresa de comida rápida en la ciudad de Guayaquil. Su objetivo general fue proponer la implementación de un sistema de recomendación de un filtro colaborativo basado en el algoritmo ALS, que permitiera analizar las predicciones de los siguientes productos que el cliente desee adquirir, lo que ayuda a comprender al cliente y a personalizar al máximo sus opciones de consumo. Se utilizó, además, la herramienta RapidMiner que, a través de su metodología, posibilitó la identificación de la puntuación de las particularidades de los productos dentro de la empresa. La investigación desarrollada es descriptiva y se asumió el enfoque cualitativo, a partir del cual se interpretaron eficientemente los resultados obtenidos durante todas las etapas investigativas, hasta lograr todos los objetivos planteados.
- Cover
- Copyright page
- Contenido
- Capítulo 1. Introducción a los sistemas de recomendación
- 1.1. Descripción del problema
- 1.1.1. Pregunta global
- 1.1.2. Preguntas específicas
- 1.2. Objetivos
- 1.2.1. Objetivo general
- 1.2.2. Objetivos específicos
- 1.3. Justificación
- 1.3.1. Justificación teórica
- 1.3.2. Justificación metodológica
- 1.3.3. Justificación práctica
- Capítulo 2. Fundamentación teórica
- 2.1. Técnicas de filtro colaborativo
- 2.2. Filtrado colaborativo basado en memoria
- 2.3. Evolución de los filtrados colaborativos
- 2.3.1. Desafíos del filtrado colaborativo
- 2.4. Filtrado colaborativo y Web adaptable
- 2.5. Usos del filtrado colaborativo 2.5.1. Tareas del usuario
- 2.6. Funcionalidad del sistema de filtrado colaborativo
- 2.7. Propiedades de los dominios adecuados para el filtrado colaborativo
- 2.8. Persistencia de datos
- 2.9. Algoritmos de filtrado colaborativo: teoría y práctica
- 2.10. Algoritmos no probabilísticos
- 2.11. Algoritmo ALS
- 2.12. Filtrado colaborativo basado en modelos
- 2.13. Sistemas de recomendación basados en filtrado colaborativo
- Capítulo 3. Marco teórico
- 3.1. Enfoque de investigación
- 3.2. Tipo de investigación
- 3.3. Diseño narrativo
- 3.4. Sistemas de recomendación
- 3.5. Recolección de datos
- 3.6. Sistemas de recomendación basado en filtro colaborativo
- 3.6.1. Enfoque del algoritmo de filtro colaborativo
- 3.6.2. Enfoque de los algoritmos basados en memoria
- 3.7. Métrica de similaridad
- 3.7.1. Coeficiente de correlación de Pearson
- 3.7.2. Distancia euclidiana
- 3.8. Metodología
- 3.8.1. Metodología KDD
- 3.8.2. Desarrollo de las fases KDD
- 3.9. Dataset
- 3.10. Algoritmo
- 3.11. Plan de general del proyecto
- Capítulo 4. Análisis de los resultados
- 4.1. Población y muestra
- 4.2. Resultados
- 4.3. Análisis de predicciones
- 4.4. Conjunto de datos
- 4.5. Métricas de evaluación
- 4.6. Porcentaje de Prueba y Teste
- 4.7. Métrica de similaridad
- 4.8. Tamaño de la vecindad
- 4.9. Pruebas y resultados
- 4.9.1. Ejecución de las pruebas
- 4.9.2. Análisis de los resultados
- Capítulo 5. Propuesta
- 5.1. Filtrado colaborativo
- 5.2. Recursos financieros, costos
- 5.3. Análisis de la solución
- 5.4. Primera etapa: Formación
- 5.5. Segunda etapa: Agregar opiniones
- 5.6. Tercera etapa: Recomendación
- Epílogo
- Bibliografía
Text
Audio
Adobe DRM
Login to your account