Sistema recomendador basado en tópicos latentes

Autores
Charnelli, María Emilia; Lanzarini, Laura Cristina; Díaz, Francisco Javier
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El filtrado colaborativo es una de las técnicas más utilizadas en los sistemas de recomendación. El objetivo del presente artículo es proponer un nuevo método que utiliza tópicos latentes para modelar los ítems a recomendar. De esta forma se incorpora la capacidad para establecer una semejanza entre estos elementos mejorando el rendimiento de la recomendación realizada. La performance del método propuesto ha sido medida en dos contextos muy diferentes arrojando resultados satisfactorios. Finalmente se incluyen las conclusiones y algunas líneas de trabajo futuras.
Materia
Ingenierías y Tecnologías
filtrado colaborativo
modelado de tópicos latentes
sistemas de recomendación
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
CIC Digital (CICBA)
Institución
Comisión de Investigaciones Científicas de la Provincia de Buenos Aires
OAI Identificador
oai:digital.cic.gba.gob.ar:11746/9038
Acceder
id CICBA_78bc7cc28869eed1dbad948dae93bbc9
oai_identifier_str oai:digital.cic.gba.gob.ar:11746/9038
network_acronym_str CICBA
repository_id_str 9441
network_name_str CIC Digital (CICBA)
spelling Sistema recomendador basado en tópicos latentesCharnelli, María EmiliaLanzarini, Laura CristinaDíaz, Francisco JavierIngenierías y Tecnologíasfiltrado colaborativomodelado de tópicos latentessistemas de recomendaciónEl filtrado colaborativo es una de las técnicas más utilizadas en los sistemas de recomendación. El objetivo del presente artículo es proponer un nuevo método que utiliza tópicos latentes para modelar los ítems a recomendar. De esta forma se incorpora la capacidad para establecer una semejanza entre estos elementos mejorando el rendimiento de la recomendación realizada. La performance del método propuesto ha sido medida en dos contextos muy diferentes arrojando resultados satisfactorios. Finalmente se incluyen las conclusiones y algunas líneas de trabajo futuras.2017info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttps://digital.cic.gba.gob.ar/handle/11746/9038spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/reponame:CIC Digital (CICBA)instname:Comisión de Investigaciones Científicas de la Provincia de Buenos Airesinstacron:CICBA2025-09-29T13:39:50Zoai:digital.cic.gba.gob.ar:11746/9038Institucionalhttp://digital.cic.gba.gob.arOrganismo científico-tecnológicoNo correspondehttp://digital.cic.gba.gob.ar/oai/snrdmarisa.degiusti@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:94412025-09-29 13:39:50.825CIC Digital (CICBA) - Comisión de Investigaciones Científicas de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Sistema recomendador basado en tópicos latentes
title Sistema recomendador basado en tópicos latentes
spellingShingle Sistema recomendador basado en tópicos latentes
Charnelli, María Emilia
Ingenierías y Tecnologías
filtrado colaborativo
modelado de tópicos latentes
sistemas de recomendación
title_short Sistema recomendador basado en tópicos latentes
title_full Sistema recomendador basado en tópicos latentes
title_fullStr Sistema recomendador basado en tópicos latentes
title_full_unstemmed Sistema recomendador basado en tópicos latentes
title_sort Sistema recomendador basado en tópicos latentes
dc.creator.none.fl_str_mv Charnelli, María Emilia
Lanzarini, Laura Cristina
Díaz, Francisco Javier
author Charnelli, María Emilia
author_facet Charnelli, María Emilia
Lanzarini, Laura Cristina
Díaz, Francisco Javier
author_role author
author2 Lanzarini, Laura Cristina
Díaz, Francisco Javier
author2_role author
author
dc.subject.none.fl_str_mv Ingenierías y Tecnologías
filtrado colaborativo
modelado de tópicos latentes
sistemas de recomendación
topic Ingenierías y Tecnologías
filtrado colaborativo
modelado de tópicos latentes
sistemas de recomendación
dc.description.none.fl_txt_mv El filtrado colaborativo es una de las técnicas más utilizadas en los sistemas de recomendación. El objetivo del presente artículo es proponer un nuevo método que utiliza tópicos latentes para modelar los ítems a recomendar. De esta forma se incorpora la capacidad para establecer una semejanza entre estos elementos mejorando el rendimiento de la recomendación realizada. La performance del método propuesto ha sido medida en dos contextos muy diferentes arrojando resultados satisfactorios. Finalmente se incluyen las conclusiones y algunas líneas de trabajo futuras.
description El filtrado colaborativo es una de las técnicas más utilizadas en los sistemas de recomendación. El objetivo del presente artículo es proponer un nuevo método que utiliza tópicos latentes para modelar los ítems a recomendar. De esta forma se incorpora la capacidad para establecer una semejanza entre estos elementos mejorando el rendimiento de la recomendación realizada. La performance del método propuesto ha sido medida en dos contextos muy diferentes arrojando resultados satisfactorios. Finalmente se incluyen las conclusiones y algunas líneas de trabajo futuras.
publishDate 2017
dc.date.none.fl_str_mv 2017
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv https://digital.cic.gba.gob.ar/handle/11746/9038
url https://digital.cic.gba.gob.ar/handle/11746/9038
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:CIC Digital (CICBA)
instname:Comisión de Investigaciones Científicas de la Provincia de Buenos Aires
instacron:CICBA
reponame_str CIC Digital (CICBA)
collection CIC Digital (CICBA)
instname_str Comisión de Investigaciones Científicas de la Provincia de Buenos Aires
instacron_str CICBA
institution CICBA
repository.name.fl_str_mv CIC Digital (CICBA) - Comisión de Investigaciones Científicas de la Provincia de Buenos Aires
repository.mail.fl_str_mv marisa.degiusti@sedici.unlp.edu.ar
_version_ 1844618580151238656
score 13.070432

Publicaciones similares