Diseño de un Prototipo Web para la recomendación de series de anime

El presente proyecto aborda la necesidad de sistemas de recomendación en la industria del anime, aprovechando las tendencias actuales en aprendizaje automático y minería de datos. Con el auge de las plataformas de transmisión en línea y la explosión de contenido disponible, se constituye una oportun...

Full description

Autores:
Mandón Jaime, Geovanny Andrés
Pardo Lizarazo, Valentina
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/29305
Acceso en línea:
http://hdl.handle.net/20.500.12749/29305
Palabra clave:
Systems engineer
Technological innovations
Prototype
Recommendation algorithm
Data mining
Machine learning
Prototype development
Web usage mining
Theory of machines
Computer animation
Ingeniería de sistemas
Innovaciones tecnológicas
Desarrollo de prototipos
Minería de uso web
Teoría de las máquinas
Animación por computador
Prototipo
Anime
Minería de datos
Aprendizaje automático
Algoritmo de recomendación
Rights
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:El presente proyecto aborda la necesidad de sistemas de recomendación en la industria del anime, aprovechando las tendencias actuales en aprendizaje automático y minería de datos. Con el auge de las plataformas de transmisión en línea y la explosión de contenido disponible, se constituye una oportunidad para la generación de herramientas enfocadas en que los usuarios puedan descubrir nuevas series basadas en sus preferencias. Desde el punto de vista metodológico se esperan construir un banco de algoritmos de recomendación para ofrecer recomendaciones de anime más precisas y personalizadas. Así mismo, el presente proyecto busca un prototipo que empleará dichas técnicas o algoritmos para generar sugerencias adaptadas a sus gustos y experiencias previas. El proyecto incluye el uso de la metodología Knowledge Discovery in Databases (KDD) como herramienta para la minería de datos, que, junto al aprendizaje automático, constituye el eje principal del desarrollo eficaz del sistema. El sistema de recomendación resultante se evaluará mediante métricas de precisión y cobertura, asegurando que las recomendaciones sean efectivas y relevantes.