Políticas   Declaración de Budapest  
 

Sistema de recomendación de libros basado en algoritmos de similaridad para el Centro de Recursos para el Aprendizaje y la Investigación de la Universidad Peruana Unión

Vista sencilla de ítem
dc.contributor.advisorHuanca Torres, Fredy Abel
dc.contributor.authorMamani Chile, Rogelio
dc.date.accessioned2022-10-25T15:07:48Z
dc.date.available2022-10-25T15:07:48Z
dc.date.issued2022-09-05
dc.description.abstractEl presente trabajo tiene el propósito de optimizar el performance del sistema de recomendación de libros basado en algoritmos de similaridad que permita sugerir recomendaciones de textos con contenidos relevantes a los usuarios del Centro de Recursos para el Aprendizaje y la Investigación de la Universidad Peruana Unión. El método CRISP DM se ha aplicado a un caso de sistema de recomendación de libros para el análisis de datos y optimización del modelo. El método de filtrado colaborativo ha permitido identificar las preferencias de los usuarios y la de otros usuarios con características similares para generar las predicciones; y se ha usado el modelo K-Nearest Neighbor con el algoritmo de similitud de coseno para calcular la mayor similitud entre los usuarios y los libros para ofrecer recomendaciones a los usuarios. En la experimentación se ha obtenido un buen performance del modelo de recomendación con un promedio de 0.83 de exactitud medainte el ajuste de hiperparámetros en el entrenamiento. Sin embargo, en los problemas de clasificación de multiclase se presentan las clases desequilibradas, donde las clases minoritarias obtienen promedios muy bajos; para manejar esta situación se ha usado la técnica de sobremuestreo de las clases minoritarias logrando balancear los datos, lo que ha permitido obtener el promedio total de 0.91 de accuracy, lo que muestra el mejor performance del modelo. La métrica de evaluación que se ha aplicado es la matriz de confusión, obteniendo promedios esperados de precisión (0,91) y de sensibilidad (0.91) lo que evidencia que se puede realizar la predicción de las recomendaciones precisas. Se concluye que se puede lograr la optimización del performance del modelo de sistema de recomendación de libros basados en algoritmos de similitud sin demandar mucha capacidad de cómputo dependiendo del tamaño de la muestra del conjunto de datos.en_ES
dc.description.escuelaEscuela de Posgradoen_ES
dc.description.lineadeinvestigacionTecnología de información e innovación tecnológicaen_ES
dc.description.sedeLIMAen_ES
dc.formatapplication/pdfen_ES
dc.identifier.urihttp://repositorio.upeu.edu.pe/handle/20.500.12840/5916
dc.language.isospaen_ES
dc.publisherUniversidad Peruana Uniónen_ES
dc.publisher.countryPEen_ES
dc.rightsinfo:eu-repo/semantics/openAccessen_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/es/*
dc.subjectSistema de recomendaciónen_ES
dc.subjectFiltrado colaborativoen_ES
dc.subjectAlgoritmo de similituden_ES
dc.subjectK-Nearest neighboren_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.04en_ES
dc.titleSistema de recomendación de libros basado en algoritmos de similaridad para el Centro de Recursos para el Aprendizaje y la Investigación de la Universidad Peruana Uniónen_ES
dc.typeinfo:eu-repo/semantics/masterThesisen_ES
renati.advisor.dni01345134
renati.advisor.orcidhttps://orcid.org/0000-0001-7645-7144en_ES
renati.author.dni01781669
renati.discipline612467en_ES
renati.jurorCuellar Rodríguez, Immer Elias
renati.jurorLévano Rodríguez, Danny
renati.jurorSoria Quijaite, Juan Jesús
renati.jurorSaboya Rios, Nemias
renati.jurorHuanca Torres, Fredy Abel
renati.levelhttp://purl.org/pe-repo/renati/nivel#maestroen_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesisen_ES
thesis.degree.disciplineMaestría en Ingeniería de Sistemas con Mención en Dirección y Gestión en Tecnologías de Informaciónen_ES
thesis.degree.grantorUniversidad Peruana Unión. Unidad de Posgrado de Ingeniería y Arquitecturaen_ES
thesis.degree.nameMaestro en Ingeniería de Sistemas con Mención en Dirección y Gestión en Tecnologías de Informaciónen_ES

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Rogelio_Tesis_Maestro_2022.pdf
Tamaño:
3.07 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Magíster en Ingeniería de Sistemas con Mención en Dirección y Gestión en Tecnología de Información