Un enfoque de recomendación multi-dominio basado en embeddings y redes semánticas

Autores
Gatti, Ignacio; Schiaffino, Silvia; Diaz Pace, Andrés
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Actualmente, la generación de información en la web crece exponencialmente. Los Sistemas de Recomendación se valen de ésta para ofrecer a los usuarios potenciales ítems que pueden ser valiosos para ellos. Sin embargo, la mayoría de estos sistemas se mueven dentro de un sólo dominio (por ej., películas), desaprovechando información de otros contextos que pueden ser valiosa para la construcción del perfil del usuario, especialmente en escenarios de cold-start. El objetivo de este trabajo es aprovechar la información de un dominio puntual (películas) para generar recomendaciones más precisas en uno nuevo (libros). Básicamente, se propone un enfoque híbrido que, por un lado, utiliza un grafo semántico que relaciona artistas; y, por el otro, utiliza la técnica de word embeddings para encontrar relaciones de similitud entre las sinopsis de ambos ítems. Los resultados de una evaluación inicial muestra que el enfoque constituye una alternativa interesante para problema del cold-start.
XIX Workshop Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
recomendación multidominio
redes semánticas
word embedding
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/73027

id SEDICI_e57a12fb067043474f6b1b330c1cbd4d
oai_identifier_str oai:sedici.unlp.edu.ar:10915/73027
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Un enfoque de recomendación multi-dominio basado en embeddings y redes semánticasGatti, IgnacioSchiaffino, SilviaDiaz Pace, AndrésCiencias Informáticasrecomendación multidominioredes semánticasword embeddingActualmente, la generación de información en la web crece exponencialmente. Los Sistemas de Recomendación se valen de ésta para ofrecer a los usuarios potenciales ítems que pueden ser valiosos para ellos. Sin embargo, la mayoría de estos sistemas se mueven dentro de un sólo dominio (por ej., películas), desaprovechando información de otros contextos que pueden ser valiosa para la construcción del perfil del usuario, especialmente en escenarios de cold-start. El objetivo de este trabajo es aprovechar la información de un dominio puntual (películas) para generar recomendaciones más precisas en uno nuevo (libros). Básicamente, se propone un enfoque híbrido que, por un lado, utiliza un grafo semántico que relaciona artistas; y, por el otro, utiliza la técnica de word embeddings para encontrar relaciones de similitud entre las sinopsis de ambos ítems. Los resultados de una evaluación inicial muestra que el enfoque constituye una alternativa interesante para problema del cold-start.XIX Workshop Agentes y Sistemas Inteligentes (WASI)Red de Universidades con Carreras en Informática (RedUNCI)2018-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf2-11http://sedici.unlp.edu.ar/handle/10915/73027spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-658-472-6info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T10:44:13Zoai:sedici.unlp.edu.ar:10915/73027Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:44:13.72SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Un enfoque de recomendación multi-dominio basado en embeddings y redes semánticas
title Un enfoque de recomendación multi-dominio basado en embeddings y redes semánticas
spellingShingle Un enfoque de recomendación multi-dominio basado en embeddings y redes semánticas
Gatti, Ignacio
Ciencias Informáticas
recomendación multidominio
redes semánticas
word embedding
title_short Un enfoque de recomendación multi-dominio basado en embeddings y redes semánticas
title_full Un enfoque de recomendación multi-dominio basado en embeddings y redes semánticas
title_fullStr Un enfoque de recomendación multi-dominio basado en embeddings y redes semánticas
title_full_unstemmed Un enfoque de recomendación multi-dominio basado en embeddings y redes semánticas
title_sort Un enfoque de recomendación multi-dominio basado en embeddings y redes semánticas
dc.creator.none.fl_str_mv Gatti, Ignacio
Schiaffino, Silvia
Diaz Pace, Andrés
author Gatti, Ignacio
author_facet Gatti, Ignacio
Schiaffino, Silvia
Diaz Pace, Andrés
author_role author
author2 Schiaffino, Silvia
Diaz Pace, Andrés
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
recomendación multidominio
redes semánticas
word embedding
topic Ciencias Informáticas
recomendación multidominio
redes semánticas
word embedding
dc.description.none.fl_txt_mv Actualmente, la generación de información en la web crece exponencialmente. Los Sistemas de Recomendación se valen de ésta para ofrecer a los usuarios potenciales ítems que pueden ser valiosos para ellos. Sin embargo, la mayoría de estos sistemas se mueven dentro de un sólo dominio (por ej., películas), desaprovechando información de otros contextos que pueden ser valiosa para la construcción del perfil del usuario, especialmente en escenarios de cold-start. El objetivo de este trabajo es aprovechar la información de un dominio puntual (películas) para generar recomendaciones más precisas en uno nuevo (libros). Básicamente, se propone un enfoque híbrido que, por un lado, utiliza un grafo semántico que relaciona artistas; y, por el otro, utiliza la técnica de word embeddings para encontrar relaciones de similitud entre las sinopsis de ambos ítems. Los resultados de una evaluación inicial muestra que el enfoque constituye una alternativa interesante para problema del cold-start.
XIX Workshop Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
description Actualmente, la generación de información en la web crece exponencialmente. Los Sistemas de Recomendación se valen de ésta para ofrecer a los usuarios potenciales ítems que pueden ser valiosos para ellos. Sin embargo, la mayoría de estos sistemas se mueven dentro de un sólo dominio (por ej., películas), desaprovechando información de otros contextos que pueden ser valiosa para la construcción del perfil del usuario, especialmente en escenarios de cold-start. El objetivo de este trabajo es aprovechar la información de un dominio puntual (películas) para generar recomendaciones más precisas en uno nuevo (libros). Básicamente, se propone un enfoque híbrido que, por un lado, utiliza un grafo semántico que relaciona artistas; y, por el otro, utiliza la técnica de word embeddings para encontrar relaciones de similitud entre las sinopsis de ambos ítems. Los resultados de una evaluación inicial muestra que el enfoque constituye una alternativa interesante para problema del cold-start.
publishDate 2018
dc.date.none.fl_str_mv 2018-10
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/10915/73027
url http://sedici.unlp.edu.ar/handle/10915/73027
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-658-472-6
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
2-11
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_ 1842260314462093312
score 13.13397