Aviso: para depositar documentos, por favor, inicia sesión e identifícate con tu cuenta de correo institucional de la UCM con el botón MI CUENTA UCM. No emplees la opción AUTENTICACIÓN CON CONTRASEÑA
 

TravelCobber Técnicas para la integración de recomendaciones en Facebook

dc.contributor.advisorGonzález Calero, Pedro Antonio
dc.contributor.advisorGómez Gauchía, Héctor
dc.contributor.authorÁlvarez Arrieta, Felipe Pablo
dc.date.accessioned2023-06-20T06:10:20Z
dc.date.available2023-06-20T06:10:20Z
dc.date.issued2010
dc.descriptionMáster en Investigación en Informática, Facultad de Informática, Departamento de Ingeniería del Software e Inteligencia Artificial, curso 2009-2010
dc.description.abstractLas aplicaciones web comerciales afrontan dos problemas: el poco tiempo y las pocas páginas visitadas por cada usuario, y la baja conversión (visitas que acaban comprando). Para evitarlo se utilizan sistemas de recomendación que ofrecen rápidamente al usuario productos o servicios que le pueden interesar basándose en sus preferencias explicitas o implícitas. Sin embargo estas recomendaciones presentan algunas limitaciones. Por una parte tratan a todos los usuarios de la misma manera, por lo que es difícil que todos queden igualmente satisfechos. Además presentan los inconvenientes del arranque en frío de usuario, arranque en frío del producto, valoraciones inconsistentes, y cambios en las preferencias del usuario. Los sistemas de recomendaciones grupales tienen un cuello de botella: obtener el perfil de los usuarios (requiere el esfuerzo y el tiempo de los usuarios) y ofrecer métodos de negociación para que los usuarios lleguen al acuerdo final. Por otra parte, las redes sociales con un dominio donde los recomendadores se están rápidamente extendiendo, pero no se integran fácilmente en ellas. Para paliar estas limitaciones proponemos un modelo que integra el sistema de recomendación en una Red Social, teniendo en cuenta además el temperamento y el estado de ánimo de los usuarios para adaptase mejor a ellos. Y mejorando la experiencia del usuario usando tecnologías RIA para facilitar la interacción con el sistema. [ABSTRACT] Commercial Web applications face two problems: the short time and the few pages visited by each user, and the low conversión rates (visitors who purchase). To avoid this issue, Recommendations Systems offer the user quickly products or services that might interest him, according to his explicit or implicit preferences. However these Recommendatios Systems present some limitations. They don’t consider the personality, temper and mood of the users. They treat all users the same way, no matter what personality, temper or mood they have. So it is difficult to get all the users equally satisfied. Besides they have the cold start user and cold start products drawbacks, inconsistent ratings and they do not capture the changes in user preferences. Group Recommender Systems also have two bottlenecks: get the profile of the Group members (it requieres effort and time of the user), and provide mechanisims to help users to reach the final agreement. To address these problems we propose a model that integrates the recomendation system in a Social Network (Facebook), taking into account the temper of the user to better suit them. And improving the user experience using RIA technologies.
dc.description.departmentDepto. de Ingeniería de Software e Inteligencia Artificial (ISIA)
dc.description.facultyFac. de Informática
dc.description.refereedFALSE
dc.description.statusunpub
dc.eprint.idhttps://eprints.ucm.es/id/eprint/11438
dc.identifier.urihttps://hdl.handle.net/20.500.14352/46268
dc.language.isospa
dc.page.total108
dc.rightsAtribución-NoComercial 3.0 España
dc.rights.accessRightsopen access
dc.rights.urihttps://creativecommons.org/licenses/by-nc/3.0/es/
dc.subject.cdu004.78:316.77(043.3)
dc.subject.keywordSistemas de recomendación
dc.subject.keywordRecomendaciones para grupos
dc.subject.keywordRazonamiento basado en casos
dc.subject.keywordAdaptación
dc.subject.keywordPersonalización inteligente
dc.subject.keywordModelado de usuario
dc.subject.keywordRIA
dc.subject.keywordRedes Sociales
dc.subject.keywordFacebook
dc.subject.keywordRecommender Systems
dc.subject.keywordGroup recommender system
dc.subject.keywordCase-based reasoning
dc.subject.keywordAdaptation
dc.subject.keywordUser modeling
dc.subject.keywordRich Internet Applications
dc.subject.keywordSocial Networks
dc.subject.ucmSistemas expertos
dc.subject.ucmInternet (Informática)
dc.subject.unesco3325 Tecnología de las Telecomunicaciones
dc.titleTravelCobber Técnicas para la integración de recomendaciones en Facebook
dc.typemaster thesis
dspace.entity.typePublication
relation.isAdvisorOfPublication166cd6d0-8699-42cc-bdf7-c6e8a2c48741
relation.isAdvisorOfPublication.latestForDiscovery166cd6d0-8699-42cc-bdf7-c6e8a2c48741

Download

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
felipeAlvarez_TFM.pdf
Size:
4.38 MB
Format:
Adobe Portable Document Format