Modelacion de sistemas de recomendacion aplicando redes neuronales artificiales

Recommendation systems modeling applied artificial neural networks

  • Giovanny M. Tarazona B. Universidad Distrital “Francisco José de Caldas”
  • Juan S Chávez L.
  • Roberto Ferro E. Universidad Distrital “Francisco José de Caldas”
Palabras clave: Recommender systems, neural networks, business intelligence, e-commerce, Netflix Prize (en_US)
Palabras clave: sistemas de recomendación, redes neuronales, inteligencia de negocios, e-commerce, Netflix Prize (es_ES)

Resumen (es_ES)

Este artículo desarrolla y describe un modelo para un sistema recomendador de productos en empresas de alquiler de películas. Al aplicarlo sistemáticamente, caracteriza los clientes y permite conocer sus tendencias de manera oportuna, veraz y fiable. Para ello se utiliza la metodología de redes neuronales artificiales y la teoría de la resonancia adaptativa, ya que la flexibilidad implícita de adaptarse a las necesidades corporativas incrementa la eficiencia de las transacciones en el ámbito de las aplicaciones web. Se usa la base de datos de contenidos de alquiler electrónico de películas vía web The Netflix Prize. La validación y simulación del modelo se codifica en MatLab®

Resumen (en_US)

This paper develops and describes a model for characterizing customers and product recommender system in movie rental companies, so that, when applied consistently, allows to know the trends of users in a timely, accurate and reliable. To do this, we use the methodology of artificial neural networks and adaptive resonance theory, because its implicit flexibility to adapt to business needs increases the efficiency of transactions in the field of web applications. Use the database The Netflix Prize, and the validation and simulation was coded in MatLab ®.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Giovanny M. Tarazona B., Universidad Distrital “Francisco José de Caldas”
Ingeniero industrial, especialista en Ingeniería de Software, especialista en Proyectos Informáticos,
Universidad Distrital “Francisco José de Caldas” (Colombia). Ph.D (c) en Sistemas Informáticos
para Internet, Universidad de Oviedo (España). Docente investigador del Grupo de Investigación “Gicoecol”.

Juan S Chávez L.
Ingeniero industrial, Universidad Distrital Francisco José de Caldas (Colombia).
Roberto Ferro E., Universidad Distrital “Francisco José de Caldas”
Ingeniero electrónico, MSc. en Teleinformática,
Universidad Distrital “Francisco José de Caldas”. Ph.D. (c) en Ingeniería Informática, Universidad Politécnica
de Salamanca (España). Docente investigador y director del Grupo de Investigación Líder, Universidad Distrital Francisco José de Caldas.

Referencias

G. M. Tarazona, M. Gómez y C. Montenegro, “Buenas prácticas para implementación del comercio electrónico en pymes”, Visión Electrónica, vol. 6, no. 2, pp. 31-45, 2012.

J. Bobadilla, A. Hernando, F. Ortega y J. Bernal, “A framework for collaborative filtering recommender systems”, Expert Systems with Applications, vol. 38, no. 12, pp. 14.609-14.623, nov. 2011.

J. Buder y C. Schwind, “Learning with personalized recommender systems: A psychological view,” Computers in Human Behavior, vol. 28, no. 1, pp. 207-16, ene. 2012.

K. Christidis y G. Mentzas, “A topic-based recommender system for electronic marketplace platforms,” Expert Systems with Applications, vol. 40, no. 11, pp. 4370-4379, sep. 2013.

A. D. R. Oliveira, L. N. Bessa, T. R. Andrade, L. V. L. Filgueiras y J. S. Sichman, “Trust-based recommendation for the social Web,” IEEE Latin America Tranactions, vol. 10, no. 2, pp. 1661-66, mar. 2012.

Z. Sevarac, V. Devedzic y J. Jovanovic, “Adaptive neuro-fuzzy pedagogical recommender,” Expert Systems with Applications, vol. 39, no. 10, pp. 9797-9806, ago. 2012.

C. Porcel, A. Tejeda-Lorente, M. A. Martínez y E. Herrera-Viedma, “A hybrid recommender system for the selective dissemination of research resources in a technology transfer office,” Information Sciences, vol. 184, no. 1, pp. 1-19, feb. 2012.

G. Adomavicius y A. Tuzhilin, “Context-aware recommender systems,” Proceedings of the 2008 ACM conference on Recommender systems RecSys 08, vol. 16, no. RecSys, p. 335, 2008.

G. M. Tarazona, L. Rodríguez, C. Pelayo-García y O. Sanjuan, “Model Innovation of process based on the Standard e-commerce International GS1,” International Journal of Interactive Multimedia and Artificial Intelligence, vol. 1, no. 7, p. 70, 2012.

R. González, O. S. Martínez, J. Cueva, B. C. García-Bustelo, J. E. L. Gayo y P. Ordoñez, “Recommendation system based on user interaction data applied to intelligent electronic books,” Computers in Human Behavior, vol. 27, no. 4, pp. 1445-49, 2011.

B. Fang, S. Liao, K. Xu, H. Cheng, C. Zhu y H. Chen, “A novel mobile recommender system for indoor shopping,” Expert Systems with Applications, vol. 39, no. 15, pp. 11.992-12.000, nov. 2012.

J. Schafer, D. Frankowski, J. Herlocker y S. Sen, “Collaborative filtering recommender systems the adaptive web,” en The Adaptive Web, vol. 4321, p. Brusilovsky, A. Kobsa y W. Nejdl, eds., Berlín / Heidelberg: Springer, 2007, pp. 291-324.

G. A. Carpenter y S. Grossberg, Search mechanisms for adaptive resonance theory (ART) architectures, 1989.

T. P. Caudell y M. J. Healy, Adaptive resonance theory networks in the Encephalon autonomous vision system, vol. 2, 1994.

L. G. Heins, D. R. Tauritz y M. June, “Adaptive resonance theory (ART): An introduction by,” Paragraph, pp. 1-15, jun.1995

.

M. Chen, A. A. Ghorbani y V. C. Bhavsar, Incremental communication for adaptive resonance theory networks, vol. 16, no. 1, pp. 132-44, 2005.

P. Wang. “Why recommendation is special?”. Working Notes of the AAAI Workshop on Recommender System, pp.111-13, Madison, jul. 1998.

H. R. Resnick y P. Varian, “Recommender systems,” Communications of ACM, vol. 40, no. 3, pp. 56-58, 1997.

H. Glotin, P. Warnier, F. Dandurand, S. Dufau, B. Lété, C. Touzet, J. C. Ziegler y J. Grainger, “An adaptive resonance theory account of the implicit learning of orthographic word forms,” Journal of Physiology Paris, vol. 104, no. 1-2, pp. 19-26, 2010

J. R. Hilera G. Redes neuronales artificiales: Fundamentos, modelos y aplicaciones, Madrid: Editorial Alfaomega, 390 p,, 2000.

J. S. Chávez L. y E. Sierra M., Diseño de un modelo de caracterización de clientes y sistema recomendador de productos mediante una red neuronal artificial, para la industria de contenidos, usando la base de datos del concurso The Netflix prize, tesis para optar al título de ingeniero industrial, Universidad Distrital “Francisco Jose de Caldas”, Bogotá, Colombia 2010.

Cómo citar
Tarazona B., G. M., Chávez L., J. S., & Ferro E., R. (2014). Modelacion de sistemas de recomendacion aplicando redes neuronales artificiales. Visión electrónica, 7(2), 45-56. https://doi.org/10.14483/22484728.5508
Publicado: 2014-04-09
Sección
Visión Investigadora