Obteniendo valoraciones de ítems desde opiniones de usuarios para resolver el problema de “Cold Start” en sistemas recomendadores

Autores
Aciar, Silvana; Aciar, Gabriela; Duque, Néstor
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Un problema bien conocido de los sistemas recomendadores es el problema denominado “Cold Start”, que es causado por la falta de información de usuarios o productos/servicios. Un sistema de recomendación sólo puede producir buenas recomendaciones después de haber acumulado suficientes datos. El problema se vuelve aún más difícil cuando el sistema de recomendación trata de hacer frente a nuevos productos o los productos no han sido valorados por los consumidores. En este trabajo se aborda este problema obteniendo valoraciones de los productos/servicios desde los comentarios escritos por usuarios en foros. Un caso de estudio de recomendación de objetos de aprendizajes es presentado.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
Materia
Ciencias Informáticas
Distance learning
sistemas recomendadores
minería de texto
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/52167
Acceder
id SEDICI_5d22cf6c8b637ec726959e9d3c68291d
oai_identifier_str oai:sedici.unlp.edu.ar:10915/52167
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Obteniendo valoraciones de ítems desde opiniones de usuarios para resolver el problema de “Cold Start” en sistemas recomendadoresAciar, SilvanaAciar, GabrielaDuque, NéstorCiencias InformáticasDistance learningsistemas recomendadoresminería de textoUn problema bien conocido de los sistemas recomendadores es el problema denominado “Cold Start”, que es causado por la falta de información de usuarios o productos/servicios. Un sistema de recomendación sólo puede producir buenas recomendaciones después de haber acumulado suficientes datos. El problema se vuelve aún más difícil cuando el sistema de recomendación trata de hacer frente a nuevos productos o los productos no han sido valorados por los consumidores. En este trabajo se aborda este problema obteniendo valoraciones de los productos/servicios desde los comentarios escritos por usuarios en foros. Un caso de estudio de recomendación de objetos de aprendizajes es presentado.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2015info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf248-255http://sedici.unlp.edu.ar/handle/10915/52167spainfo:eu-repo/semantics/altIdentifier/url/http://44jaiio.sadio.org.ar/sites/default/files/asai248-255.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-7585info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-17T09:47:58Zoai:sedici.unlp.edu.ar:10915/52167Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-17 09:47:58.219SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Obteniendo valoraciones de ítems desde opiniones de usuarios para resolver el problema de “Cold Start” en sistemas recomendadores
title Obteniendo valoraciones de ítems desde opiniones de usuarios para resolver el problema de “Cold Start” en sistemas recomendadores
spellingShingle Obteniendo valoraciones de ítems desde opiniones de usuarios para resolver el problema de “Cold Start” en sistemas recomendadores
Aciar, Silvana
Ciencias Informáticas
Distance learning
sistemas recomendadores
minería de texto
title_short Obteniendo valoraciones de ítems desde opiniones de usuarios para resolver el problema de “Cold Start” en sistemas recomendadores
title_full Obteniendo valoraciones de ítems desde opiniones de usuarios para resolver el problema de “Cold Start” en sistemas recomendadores
title_fullStr Obteniendo valoraciones de ítems desde opiniones de usuarios para resolver el problema de “Cold Start” en sistemas recomendadores
title_full_unstemmed Obteniendo valoraciones de ítems desde opiniones de usuarios para resolver el problema de “Cold Start” en sistemas recomendadores
title_sort Obteniendo valoraciones de ítems desde opiniones de usuarios para resolver el problema de “Cold Start” en sistemas recomendadores
dc.creator.none.fl_str_mv Aciar, Silvana
Aciar, Gabriela
Duque, Néstor
author Aciar, Silvana
author_facet Aciar, Silvana
Aciar, Gabriela
Duque, Néstor
author_role author
author2 Aciar, Gabriela
Duque, Néstor
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Distance learning
sistemas recomendadores
minería de texto
topic Ciencias Informáticas
Distance learning
sistemas recomendadores
minería de texto
dc.description.none.fl_txt_mv Un problema bien conocido de los sistemas recomendadores es el problema denominado “Cold Start”, que es causado por la falta de información de usuarios o productos/servicios. Un sistema de recomendación sólo puede producir buenas recomendaciones después de haber acumulado suficientes datos. El problema se vuelve aún más difícil cuando el sistema de recomendación trata de hacer frente a nuevos productos o los productos no han sido valorados por los consumidores. En este trabajo se aborda este problema obteniendo valoraciones de los productos/servicios desde los comentarios escritos por usuarios en foros. Un caso de estudio de recomendación de objetos de aprendizajes es presentado.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
description Un problema bien conocido de los sistemas recomendadores es el problema denominado “Cold Start”, que es causado por la falta de información de usuarios o productos/servicios. Un sistema de recomendación sólo puede producir buenas recomendaciones después de haber acumulado suficientes datos. El problema se vuelve aún más difícil cuando el sistema de recomendación trata de hacer frente a nuevos productos o los productos no han sido valorados por los consumidores. En este trabajo se aborda este problema obteniendo valoraciones de los productos/servicios desde los comentarios escritos por usuarios en foros. Un caso de estudio de recomendación de objetos de aprendizajes es presentado.
publishDate 2015
dc.date.none.fl_str_mv 2015
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/10915/52167
url http://sedici.unlp.edu.ar/handle/10915/52167
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://44jaiio.sadio.org.ar/sites/default/files/asai248-255.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-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
248-255
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_ 1843532239309111296
score 13.004268

Publicaciones similares