Una plataforma basada en conocimiento para la construcción de sistemas recomendadores
- Autores: José Luis Jorro Aragoneses
- Directores de la Tesis: Juan Antonio Recio García (dir. tes.), María Belén Díaz Agudo (dir. tes.)
- Lectura: En la Universidad Complutense de Madrid ( España ) en 2020
- Idioma: español
- Títulos paralelos:
- A knowledge-bases platform for building recommender systems
- Tribunal Calificador de la Tesis: Antonio Alejandro Sánchez Ruiz-Granados (presid.), Pedro Pablo Gómez Martín (secret.), Lara Quijano Sánchez (voc.), Laura Sebastiá Tarín (voc.), Nirmalie Wiratunga (voc.)
- Programa de doctorado: Programa de Doctorado en Ingeniería Informática por la Universidad Complutense de Madrid
- Materias:
- Enlaces
- Tesis en acceso abierto en: Docta Complutense
- Resumen
En la actualidad Internet es la principal fuente de información que existe debido a la gran cantidad de contenidos digitales que los usuarios están creando. Esto hace que la tarea de buscar información relevante para los usuarios sea bastante compleja. Además, debido a la importancia de atraer usuarios a las distintas aplicaciones web, las empresas cada vez invierten más recursos en mejorar la experiencia de los usuarios en sus aplicaciones. Una de las estrategias más utilizadas para resolver tanto el problema de sobrecarga de información como la mejora de la experiencia de los usuarios es el uso de sistemas recomendadores. Estos sistemas permiten filtrar la información a los usuarios según sus intereses. Debido a la utilidad de estos sistemas, la investigación y el desarrollo de soluciones en esta área han evolucionado mucho desde los primeros trabajos a principios de los años 90. Durante este tiempo, se han ido mejorando los sistemas de recomendación creando nuevas técnicas e incluyendo más información para mejorar los resultados. Este impulso ha hecho que se hayan desarrollado una gran cantidad de frameworks que facilitan la construcción de nuevos sistemas recomendadores. Sin embargo, todos los avances en este campo de investigación hacen que el desarrollo de aplicaciones de recomendación no sea una tarea sencilla. Esto se debe a que, en primer lugar, los desarrolladores deben tener un conocimiento avanzado en las diversas técnicas de recomendación y saber en qué casos se pueden aplicar cada una de esas técnicas. En segundo lugar, deben tener un conocimiento técnico suficiente para desarrollar el sistema recomendador desde cero o, si es el caso, usando un framework externo.
El principal objetivo de esta tesis doctoral es simplificar el proceso de diseño, desarrollo y despliegue de los sistemas recomendadores. La principal contribución en nuestra investigación es la propuesta de una metodología para el desarrollo de sistemas recomendadores a través del uso de componentes. Para ello, hemos realizado un estudio del dominio para comprender las fases del diseño de los sistemas recomendadores y hemos analizado un conjunto de frameworks que facilitan el desarrollo de los sistemas de recomendación. Además, hemos construido un sistema recomendador real como caso de estudio para comprender la construcción de este tipo de sistemas y poder evaluar la metodología que se ha propuesto en nuestra investigación.
Como resultado de todo este trabajo, hemos propuesto un modelo donde se representan los distintos elementos que existen en los sistemas recomendadores y cómo se deben componer para construirlos. Este modelo se ha incluido en nuestra metodología de desarrollo de los sistemas recomendadores y permite asistir a los desarrolladores en el proceso de construcción de estos sistemas. A partir de la metodología y el modelo propuestos, se ha desarrollado la plataforma RecoLibry Suite. Esta plataforma contiene un conjunto de herramientas que ayudan a los usuarios en las 3 fases por las que pasa la construcción de los sistemas recomendadores: diseño, desarrollo y despliegue. Todas estas contribuciones han sido evaluadas y los resultados han sido presentados a la comunidad científica con las publicaciones que se aportan en esta tesis doctoral.
