Generación de secuencias de obras de arte basado en vecindad y RNN

Autores
Gatti, Ignacio; Schiaffino, Silvia; Díaz Pace, Jorge Andrés
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En los museos las obras de arte son distribuidas en un espacio físico por curadores. Dicha distribución no es causa y efecto del azar, sino buscando un delicado equilibrio entre emoción y razón. A partir de la digitalización y acceso masivo a las obras de arte, surge el interrogante de si es posible generar una secuencia automática de obras de artes de acuerdo a los intereses del espectador. Este trabajo busca definir el problema de la generación de secuencias de obras de arte. Se presentan dos enfoques que abordan la problemática haciendo énfasis en la organización intrínseca de la secuencia basadas en técnicas de vecindad y de Recurrent Neural Networks. Se entiende que esta perspectiva se acerca más al tipo de recomendación que haría un curador. Los enfoques son evaluados sobre un dataset que consiste de 52 recorridos definidos por los curadores del Museo del Prado y el Rijksmuseum. Si bien los resultados son preliminares, se observa que los tours predichos por ambos enfoques presentan semejanzas con los tours originales.
Sociedad Argentina de Informática
Materia
Ciencias Informáticas
Recomendación de secuencias
Recurrent neural network
Deep autoencoder
Ontología
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/116429
Acceder
id SEDICI_28ae9a204e6a0141ab4f573476ff6da2
oai_identifier_str oai:sedici.unlp.edu.ar:10915/116429
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Generación de secuencias de obras de arte basado en vecindad y RNNGatti, IgnacioSchiaffino, SilviaDíaz Pace, Jorge AndrésCiencias InformáticasRecomendación de secuenciasRecurrent neural networkDeep autoencoderOntologíaEn los museos las obras de arte son distribuidas en un espacio físico por curadores. Dicha distribución no es causa y efecto del azar, sino buscando un delicado equilibrio entre emoción y razón. A partir de la digitalización y acceso masivo a las obras de arte, surge el interrogante de si es posible generar una secuencia automática de obras de artes de acuerdo a los intereses del espectador. Este trabajo busca definir el problema de la generación de secuencias de obras de arte. Se presentan dos enfoques que abordan la problemática haciendo énfasis en la organización intrínseca de la secuencia basadas en técnicas de vecindad y de Recurrent Neural Networks. Se entiende que esta perspectiva se acerca más al tipo de recomendación que haría un curador. Los enfoques son evaluados sobre un dataset que consiste de 52 recorridos definidos por los curadores del Museo del Prado y el Rijksmuseum. Si bien los resultados son preliminares, se observa que los tours predichos por ambos enfoques presentan semejanzas con los tours originales.Sociedad Argentina de Informática2020-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf28-41http://sedici.unlp.edu.ar/handle/10915/116429spainfo:eu-repo/semantics/altIdentifier/url/http://49jaiio.sadio.org.ar/pdfs/asai/ASAI-03.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-7585info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/3.0/Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:19:03Zoai:sedici.unlp.edu.ar:10915/116429Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:19:03.973SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Generación de secuencias de obras de arte basado en vecindad y RNN
title Generación de secuencias de obras de arte basado en vecindad y RNN
spellingShingle Generación de secuencias de obras de arte basado en vecindad y RNN
Gatti, Ignacio
Ciencias Informáticas
Recomendación de secuencias
Recurrent neural network
Deep autoencoder
Ontología
title_short Generación de secuencias de obras de arte basado en vecindad y RNN
title_full Generación de secuencias de obras de arte basado en vecindad y RNN
title_fullStr Generación de secuencias de obras de arte basado en vecindad y RNN
title_full_unstemmed Generación de secuencias de obras de arte basado en vecindad y RNN
title_sort Generación de secuencias de obras de arte basado en vecindad y RNN
dc.creator.none.fl_str_mv Gatti, Ignacio
Schiaffino, Silvia
Díaz Pace, Jorge Andrés
author Gatti, Ignacio
author_facet Gatti, Ignacio
Schiaffino, Silvia
Díaz Pace, Jorge Andrés
author_role author
author2 Schiaffino, Silvia
Díaz Pace, Jorge Andrés
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Recomendación de secuencias
Recurrent neural network
Deep autoencoder
Ontología
topic Ciencias Informáticas
Recomendación de secuencias
Recurrent neural network
Deep autoencoder
Ontología
dc.description.none.fl_txt_mv En los museos las obras de arte son distribuidas en un espacio físico por curadores. Dicha distribución no es causa y efecto del azar, sino buscando un delicado equilibrio entre emoción y razón. A partir de la digitalización y acceso masivo a las obras de arte, surge el interrogante de si es posible generar una secuencia automática de obras de artes de acuerdo a los intereses del espectador. Este trabajo busca definir el problema de la generación de secuencias de obras de arte. Se presentan dos enfoques que abordan la problemática haciendo énfasis en la organización intrínseca de la secuencia basadas en técnicas de vecindad y de Recurrent Neural Networks. Se entiende que esta perspectiva se acerca más al tipo de recomendación que haría un curador. Los enfoques son evaluados sobre un dataset que consiste de 52 recorridos definidos por los curadores del Museo del Prado y el Rijksmuseum. Si bien los resultados son preliminares, se observa que los tours predichos por ambos enfoques presentan semejanzas con los tours originales.
Sociedad Argentina de Informática
description En los museos las obras de arte son distribuidas en un espacio físico por curadores. Dicha distribución no es causa y efecto del azar, sino buscando un delicado equilibrio entre emoción y razón. A partir de la digitalización y acceso masivo a las obras de arte, surge el interrogante de si es posible generar una secuencia automática de obras de artes de acuerdo a los intereses del espectador. Este trabajo busca definir el problema de la generación de secuencias de obras de arte. Se presentan dos enfoques que abordan la problemática haciendo énfasis en la organización intrínseca de la secuencia basadas en técnicas de vecindad y de Recurrent Neural Networks. Se entiende que esta perspectiva se acerca más al tipo de recomendación que haría un curador. Los enfoques son evaluados sobre un dataset que consiste de 52 recorridos definidos por los curadores del Museo del Prado y el Rijksmuseum. Si bien los resultados son preliminares, se observa que los tours predichos por ambos enfoques presentan semejanzas con los tours originales.
publishDate 2020
dc.date.none.fl_str_mv 2020-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/116429
url http://sedici.unlp.edu.ar/handle/10915/116429
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://49jaiio.sadio.org.ar/pdfs/asai/ASAI-03.pdf
info:eu-repo/semantics/altIdentifier/issn/2451-7585
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
dc.format.none.fl_str_mv application/pdf
28-41
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846064248636047360
score 13.22299

Publicaciones similares