Sistema recomendador empleando algoritmos genéticos para el aprendizaje de preferencias de usuario

Los SRs restringen el número de ítems disponibles, permitiendo a los usuarios facilidad y rapidez al momento de hacer su escogencia. Los sistemas de recomendación pueden ser clasificados en dos principales categorías, dependiendo de la información que usen para sugerir ítems. Los sistemas que usan i...

Full description

Autores:
Salah Llanes, Jorge Elías
Alcázar Rivas, Julio Cesar
Tipo de recurso:
Fecha de publicación:
2006
Institución:
Universidad del Magdalena
Repositorio:
Repositorio Unimagdalena
Idioma:
spa
OAI Identifier:
oai:repositorio.unimagdalena.edu.co:123456789/12365
Acceso en línea:
https://repositorio.unimagdalena.edu.co/handle/123456789/12365
Palabra clave:
Computación evolutiva
Métrica estándar de precisión
Rights
restrictedAccess
License
Restringido
id UNIMAGDALE_b24d34044d7f81e0f62a24393bf002fb
oai_identifier_str oai:repositorio.unimagdalena.edu.co:123456789/12365
network_acronym_str UNIMAGDALE
network_name_str Repositorio Unimagdalena
repository_id_str
dc.title.none.fl_str_mv Sistema recomendador empleando algoritmos genéticos para el aprendizaje de preferencias de usuario
title Sistema recomendador empleando algoritmos genéticos para el aprendizaje de preferencias de usuario
spellingShingle Sistema recomendador empleando algoritmos genéticos para el aprendizaje de preferencias de usuario
Computación evolutiva
Métrica estándar de precisión
title_short Sistema recomendador empleando algoritmos genéticos para el aprendizaje de preferencias de usuario
title_full Sistema recomendador empleando algoritmos genéticos para el aprendizaje de preferencias de usuario
title_fullStr Sistema recomendador empleando algoritmos genéticos para el aprendizaje de preferencias de usuario
title_full_unstemmed Sistema recomendador empleando algoritmos genéticos para el aprendizaje de preferencias de usuario
title_sort Sistema recomendador empleando algoritmos genéticos para el aprendizaje de preferencias de usuario
dc.creator.fl_str_mv Salah Llanes, Jorge Elías
Alcázar Rivas, Julio Cesar
dc.contributor.advisor.none.fl_str_mv Velez-Langs, Oswaldo
dc.contributor.author.none.fl_str_mv Salah Llanes, Jorge Elías
Alcázar Rivas, Julio Cesar
dc.subject.none.fl_str_mv Computación evolutiva
Métrica estándar de precisión
topic Computación evolutiva
Métrica estándar de precisión
description Los SRs restringen el número de ítems disponibles, permitiendo a los usuarios facilidad y rapidez al momento de hacer su escogencia. Los sistemas de recomendación pueden ser clasificados en dos principales categorías, dependiendo de la información que usen para sugerir ítems. Los sistemas que usan información sobre los ítems e información solo con respecto al usuario objetivo son llamados «Basados en Contenidos». Alternativamente hay sistemas que no usan información sobre el contenido de los ítems, pero hacen la sugerencia utilizando información de un grupo de usuarios diferentes del usuario objetivo y su relación con el item. En este tipo de sistemas se destacan aquellos basados en Filtrado Colaborativo por su capacidad de predecir aún en ausencia de información explícita de los usuarios y de los ítems que se ofrecen
publishDate 2006
dc.date.submitted.none.fl_str_mv 2006
dc.date.accessioned.none.fl_str_mv 2023-03-22T15:03:29Z
dc.date.available.none.fl_str_mv 2023-03-22T15:03:29Z
dc.date.issued.none.fl_str_mv 2023
dc.type.none.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv https://repositorio.unimagdalena.edu.co/handle/123456789/12365
url https://repositorio.unimagdalena.edu.co/handle/123456789/12365
dc.language.iso.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv Restringido
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_16ec
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/restrictedAccess
dc.rights.cc.none.fl_str_mv Restringido
rights_invalid_str_mv Restringido
http://purl.org/coar/access_right/c_16ec
eu_rights_str_mv restrictedAccess
dc.format.none.fl_str_mv text
dc.publisher.none.fl_str_mv Universidad del Magdalena
dc.publisher.department.none.fl_str_mv Facultad de Ingeniería
dc.publisher.program.none.fl_str_mv Ingeniería de Sistemas
publisher.none.fl_str_mv Universidad del Magdalena
institution Universidad del Magdalena
bitstream.url.fl_str_mv https://repositorio.unimagdalena.edu.co/bitstreams/7bfc8b18-d740-46ac-bb4d-29220e363418/download
https://repositorio.unimagdalena.edu.co/bitstreams/6ecce31c-107f-45ed-a19f-5b9c3cdeca4e/download
bitstream.checksum.fl_str_mv 9b1e82e6e95b7e0d083373e0757779a6
03de826a7ba30b30f95ba9233c6ed790
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UniMagdalena
repository.mail.fl_str_mv repositorio@unimagdalena.edu.co
_version_ 1814127005690494976
spelling Velez-Langs, OswaldoSalah Llanes, Jorge ElíasAlcázar Rivas, Julio CesarIngeniero (a) de Sistemas2023-03-22T15:03:29Z2023-03-22T15:03:29Z20232006Los SRs restringen el número de ítems disponibles, permitiendo a los usuarios facilidad y rapidez al momento de hacer su escogencia. Los sistemas de recomendación pueden ser clasificados en dos principales categorías, dependiendo de la información que usen para sugerir ítems. Los sistemas que usan información sobre los ítems e información solo con respecto al usuario objetivo son llamados «Basados en Contenidos». Alternativamente hay sistemas que no usan información sobre el contenido de los ítems, pero hacen la sugerencia utilizando información de un grupo de usuarios diferentes del usuario objetivo y su relación con el item. En este tipo de sistemas se destacan aquellos basados en Filtrado Colaborativo por su capacidad de predecir aún en ausencia de información explícita de los usuarios y de los ítems que se ofrecenSubmitted by Claribel Vargas Guette (cvargasgu@unimagdalena.edu.co) on 2023-02-07T19:31:00Z workflow start=Step: reviewstep - action:claimaction No. of bitstreams: 1 SISTEMA RECOMENDADOR EMPLEANDO ALGORITMOS.pdf: 23332370 bytes, checksum: 9b1e82e6e95b7e0d083373e0757779a6 (MD5)Step: reviewstep - action:reviewaction Approved for entry into archive by Programa de Ingeniería de Sistemas Programa de Ingeniería de Sistemas(ingsistemas@unimagdalena.edu.co) on 2023-03-10T22:43:14Z (GMT)Step: editstep - action:editaction Approved for entry into archive by Mirlis Bravo(mbravo@unimagdalena.edu.co) on 2023-03-22T15:03:28Z (GMT)Made available in DSpace on 2023-03-22T15:03:29Z (GMT). No. of bitstreams: 1 SISTEMA RECOMENDADOR EMPLEANDO ALGORITMOS.pdf: 23332370 bytes, checksum: 9b1e82e6e95b7e0d083373e0757779a6 (MD5) Previous issue date: 2023texthttps://repositorio.unimagdalena.edu.co/handle/123456789/12365Universidad del MagdalenaFacultad de IngenieríaIngeniería de SistemasRestringidoinfo:eu-repo/semantics/restrictedAccessRestringidohttp://purl.org/coar/access_right/c_16ecComputación evolutivaMétrica estándar de precisiónSistema recomendador empleando algoritmos genéticos para el aprendizaje de preferencias de usuariobachelorThesishttp://purl.org/coar/resource_type/c_7a1fspaORIGINALSISTEMA RECOMENDADOR EMPLEANDO ALGORITMOS.pdfSISTEMA RECOMENDADOR EMPLEANDO ALGORITMOS.pdfapplication/pdf23332370https://repositorio.unimagdalena.edu.co/bitstreams/7bfc8b18-d740-46ac-bb4d-29220e363418/download9b1e82e6e95b7e0d083373e0757779a6MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82484https://repositorio.unimagdalena.edu.co/bitstreams/6ecce31c-107f-45ed-a19f-5b9c3cdeca4e/download03de826a7ba30b30f95ba9233c6ed790MD52123456789/12365oai:repositorio.unimagdalena.edu.co:123456789/123652024-10-02 22:25:00.525https://repositorio.unimagdalena.edu.coRepositorio Institucional UniMagdalenarepositorio@unimagdalena.edu.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