Aviso: Por labores de mantenimiento y mejora del repositorio, el martes día 1 de Julio, Docta Complutense no estará operativo entre las 9 y las 14 horas. Disculpen las molestias.
 

Sistemas de recomendación y explicaciones basados en grafos de interacción

dc.contributor.advisorJiménez Díaz, Guillermo
dc.contributor.advisorRecio García, Juan Antonio
dc.contributor.authorCaro Martínez, Marta
dc.date.accessioned2023-06-16T13:30:04Z
dc.date.available2023-06-16T13:30:04Z
dc.date.defense2022-01-24
dc.date.issued2022-03-29
dc.descriptionTesis inédita de la Universidad Complutense de Madrid, Facultad de Informática, Departamento de Ingeniería de Software e Inteligencia Artificial, leída el 24-01-2022
dc.description.abstractEn la sociedad actual, con la utilización de nuevas tecnologías en todos los ámbitos de nuestras vidas, el consumo en Internet ha avanzado a pasos agigantados. Los usuarios pueden encontrar infinidad de productos que consumir en cualquier ámbito, especialmente a través del comercio electrónico, las redes sociales y el entretenimiento en streaming. Determinar qué productos son los más adecuados según sus necesidades y preferencias puede llegar a ser una tarea complicada debido a la amplitud de la oferta de productos que se pueden encontrar en estas plataformas. Los sistemas de recomendación surgen para resolver este problema, facilitando el proceso de búsqueda y de toma de decisiones. no obstante, cuando los usuarios no confían en el sistema, los sistemas de recomendación no son tan útiles como cabría esperar...
dc.description.abstractNowadays, with new technologies in all areas of our lives, Internet consumption has advanced quickly. Users can find an infinite number of products to consume in any field, especially through e-commerce, social networks and streaming entertainment. Determining which products are the most suitable according to their needs and preferencies can become a complicated tasd due to the breadth of product offerings that can be found on these platforms. Recommendation systems emerge to solve this problem, facilitating the search and decision-making process. However, when users do not trust the system, recommender systems are not as useful as one might expect because they do not understand how the sustems has concluded that a particular product in suitable for them...
dc.description.facultyFac. de Informática
dc.description.refereedTRUE
dc.description.statusunpub
dc.eprint.idhttps://eprints.ucm.es/id/eprint/71516
dc.identifier.urihttps://hdl.handle.net/20.500.14352/3551
dc.language.isospa
dc.page.total215
dc.publication.placeMadrid
dc.publisherUniversidad Complutense de Madrid
dc.rights.accessRightsopen access
dc.subject.cdu004.8 (043.2)
dc.subject.cdu519.17(043.2)
dc.subject.cdu004.738.52:338.46 (043.2)
dc.subject.keywordInteligencia artificial
dc.subject.keywordteoría de grafos
dc.subject.keywordsistemas de recomendación (Informática)
dc.subject.keywordArtificial intelligence
dc.subject.keywordgraphic theory
dc.subject.keywordrecommender systems (Information filtering)
dc.subject.ucmInteligencia artificial (Informática)
dc.subject.unesco1203.04 Inteligencia Artificial
dc.titleSistemas de recomendación y explicaciones basados en grafos de interacción
dc.typedoctoral thesis
dspace.entity.typePublication
relation.isAdvisorOfPublicationb6f540da-49b8-4159-b645-ea4adff55abe
relation.isAdvisorOfPublication6e94b3e8-1cba-4505-9d17-a0c09a524300
relation.isAdvisorOfPublication.latestForDiscoveryb6f540da-49b8-4159-b645-ea4adff55abe
relation.isAuthorOfPublicationf6c73d06-3406-4c35-97a8-df8371eee98d
relation.isAuthorOfPublication.latestForDiscoveryf6c73d06-3406-4c35-97a8-df8371eee98d

Download

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
T43129.pdf
Size:
6.57 MB
Format:
Adobe Portable Document Format

Collections