| Título: | Sistemas de recomendación basados en técnicas de predicción de enlaces para jueces en línea |
| Autores: | Caro Martínez, Marta |
| Tipo de documento: | texto impreso |
| Fecha de publicación: | 2017 |
| Dimensiones: | application/pdf |
| Nota general: |
cc_by_nc info:eu-repo/semantics/openAccess |
| Idiomas: | |
| Palabras clave: | Estado = No publicado , Materia = Ciencias: Informática: Inteligencia artificial , Materia = Ciencias: Informática: Sistemas expertos , Tipo = Trabajo Fin de Máster |
| Resumen: |
La oferta de todo tipo de productos o experiencias que se puede encontrar en Internet hoy en día es inmensa y difícil de valorar para los usuarios que quieren buscar un producto que se adapte a sus necesidades. Debido a este problema, surgen los sistemas de recomendación, que ayudan a los usuarios a encontrar productos que sean de su interés facilitando sus tareas de búsqueda. Los sistemas de recomendación están implantados en muchísimas plataformas de consumo, pero no en otro tipo de plataformas donde su uso también sería interesante y necesario. Una de estas plataformas son los jueces en línea, donde los sistemas de recomendación podrían ayudar a los usuarios en la selección de los problemas a resolver que les resulten más interesantes. En este Trabajo Fin de Máster se proponen diferentes métodos de recomendación para implantar en jueces en línea que están basados en grafos de interacciones y que hacen uso de técnicas de predicción de enlaces con el fin de generar recomendaciones. En este trabajo se ha realizado una evaluación de los métodos de recomendación propuestos a través de la generación de experimentos realizados sobre el juez en línea de Acepta el Reto con el objetivo de determinar qué métodos resultan más prometedores |
| En línea: | https://eprints.ucm.es/id/eprint/43975/1/Sistemas%20de%20Recomendaci%C3%B3n%20basados%20en%20t%C3%A9cnicas%20de%20predicci%C3%B3n%20de%20enlaces%20para%20jueces%20en%20l%C3%ADnea%20-%20Marta%20Caro%20Mart%C3%ADnez.pdf |
Ejemplares
| Estado |
|---|
| ningún ejemplar |
