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
 

Sistemas de Recomendación Explicables Basados en Grafos de Conocimiento

dc.contributor.advisorDíaz Agudo, María Belén
dc.contributor.advisorRecio García, Juan Antonio
dc.contributor.authorGonzález Monge, Mario
dc.date.accessioned2025-03-18T15:49:15Z
dc.date.available2025-03-18T15:49:15Z
dc.date.issued2025
dc.degree.titleDoble Grado en Ingeniería Informática y Matemáticas
dc.descriptionTrabajo de Fin de Doble Grado en Ingeniería Informática y Matemáticas, Facultad de Informática UCM, Departamento de Ingeniería del Software e Inteligencia Artificial, Curso 2024/2025.
dc.description.abstractEste Trabajo de Fin de Grado aborda los retos clave en los sistemas de recomendación centrados en la precisión, la interpretabilidad y la transparencia. En particular, se enfoca en la construcción de sistemas basados en grafos de conocimiento para generar recomendaciones. Además, se implementan técnicas de explicabilidad que permiten justificar las recomendaciones de manera accesible e intuitiva, combinando explicaciones visuales derivadas de caminos mínimos en el grafo y la generación de explicaciones en lenguaje natural mediante modelos de lenguaje de gran escala (LLMs). El caso de estudio se centra en el dominio de las películas, utilizando el conjunto de datos MovieLens 1M, enriquecido con DBpedia para crear grafos de conocimiento robustos y flexibles. Mediante técnicas de embeddings translaciones sobre los grafos de concocimiento se generan embeddings utilizados para realizar recomendaciones personalizadas y relevantes. Finalmente, se realiza una evaluación exhaustiva de los enfoques implementados, destacando la contribución del sistema propuesto en términos de precisión y explicabilidad, elementos esenciales para promover una interacción más efectiva y transparente entre los usuarios y los sistemas de recomendación.
dc.description.abstractThis Final Degree Project addresses the key challenges in recommendation systems, focusing on accuracy, interpretability, and transparency. Specifically, it emphasizes the development of systems based on knowledge graphs to generate recommendations. Additionally, explainability techniques are implemented to justify recommendations in an accessible and intuitive manner, combining visual explanations derived from shortest paths in the graph and natural language explanations generated by large language models (LLMs). The case study focuses on the domain of movies, using the MovieLens 1M dataset enriched with DBpedia to create robust and flexible knowledge graphs. Through translational embedding techniques applied to the knowledge graphs, embeddings are generated to produce personalized and relevant recommendations. Finally, an exhaustive evaluation of the implemented approaches is carried out, highlighting the proposed system’s contribution in terms of accuracy and explainability essential elements to foster more effective and transparent interaction between users and recommendation systems.
dc.description.departmentDepto. de Ingeniería de Software e Inteligencia Artificial (ISIA)
dc.description.facultyFac. de Informática
dc.description.refereedTRUE
dc.description.statusunpub
dc.identifier.urihttps://hdl.handle.net/20.500.14352/118859
dc.language.isospa
dc.page.total103
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.rights.accessRightsopen access
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.cdu004(043.3)
dc.subject.keywordSistemas de recomendación
dc.subject.keywordGrafos de conocimiento
dc.subject.keywordEmbeddings translacionales
dc.subject.keywordFiltrado colaborativo
dc.subject.keywordExplicabilidad
dc.subject.keywordModelos de lenguaje
dc.subject.keywordEcommendation systems
dc.subject.keywordKnowledge graphs
dc.subject.keywordTranslational embeddings
dc.subject.keywordCollaborative filtering
dc.subject.keywordExplainability
dc.subject.keywordLarge language models
dc.subject.ucmInformática (Informática)
dc.subject.unesco33 Ciencias Tecnológicas
dc.titleSistemas de Recomendación Explicables Basados en Grafos de Conocimiento
dc.titleExplainable Recommendation Systems Based on Knowledge Graphs
dc.typebachelor thesis
dc.type.hasVersionAM
dspace.entity.typePublication
relation.isAdvisorOfPublication95de81bf-4637-4307-8ff6-f2c06c591d18
relation.isAdvisorOfPublication6e94b3e8-1cba-4505-9d17-a0c09a524300
relation.isAdvisorOfPublication.latestForDiscovery95de81bf-4637-4307-8ff6-f2c06c591d18

Download

Original bundle

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