Algoritmo SVD aplicado a los sistemas de recomendación en el comercio

  • Camilo Antonio Ramírez Morales Universidad Distrital Francisco José de Caldas
Palabras clave: Descomposición matricial, SVD, Sistemas de recomendación, Netflix Price, reducción de dimensionalidad.

Resumen

Este artículo aborda la implementación del algoritmo de descomposición en valores singulares  (SVD) junto con técnicas de  reducción de dimensionalidad y de cálculo de mínimos a partir del enfoque dado por Simon Funk para la implementación en los sistemas de recomendación en el comercio. De igual manera se realizarán pruebas de convergencia y error medio absoluto con el fin de determinar la calidad del algoritmo y su fiabilidad.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Camilo Antonio Ramírez Morales, Universidad Distrital Francisco José de Caldas

Tecnólogo en sistematización de datos.

Estudiante de Ingeniería en Telemática.

Universidad Distrital Francisco José de Caldas

Referencias

Parnell, B. (2015). De terabytes a zettabytes: el crecimiento de los datos mundiale. Recuperado de http://www.think-progress.com/es/tendencias/de-terabytes-a-zettabytes-el-crecimiento-de-los-datos-mundiales/

Rodríguez, M. (2005). Modelos de recuperación de información basados en información lingüística difusa y algoritmos evolutivos, mejorando la representación de las necesidades de la información. (Tesis doctoral). Granada: Universidad de Granada.

G. LYS. (s.f.). Introducción a la recuperación de información. Recuperado de http://www.grupolys.org/docencia/ln/biblioteca/ir.pdf

García, R. (2013). SVD Aplicado a sistemas de recomendación basados en filtrado colaborativo. (Tesis de maestría). Madrid: Universidad Politécnica de Madrid.

Garxía, F. y Gil, A. (s.f.). Personalización de Sistemas de Recomendación. Salamanca: Universidad de Salamanca.

Torres, N. (2015). Sistemas de recomendación basados en métodos de filtrado colaborativo. Santiago de Chile: Universidad Técnica Federico Santa Maóa.

Verona, F. (s.f.). Fran Verona. Recuperado de http://franverona.com/blog/el-dia-que-netflix-rechazo-integrar-el-algoritmo-de-1-millon-de-dolares/

Percy, M. (2009). Collaborative Filtering for Netflix. Santa Cruz: Jack Baskin School of Engineering, Santa Cruz.

Castro, J. (2012). Un nuevo modelo ponderado para Sistemas de Recomendación Basados en Contenido con medidas de contingencia y entropía. (Trabajo tutelado). Jaén: Universidad de Jaén.

Campos, L., Fernández, J., Huete J. y Rueda, M. Uso de conocimiento estructurado en un sistema de recomendación basado en Contenido. Granada: Universidad de Granada.

Jiménez, A. Murillo, A., Piza, E., Villalobos, M. y Trejos, J. (2010). Interviewees, Reducción de la dimensionalidad en análisis de datos. Recuperado de http://www.stat.rice.edu/~jrojo/PASI/lectures/Costa%20rica/2b_Ejemplos_ACP.pdf

Pepa, S. (2014). Suite de algoritmos de recomendación de aplicaciones reales. (Trabajo de grado). Madrid: Universidad Autonoma de Madrid.

Chipman, J. S. (s.f.). Multicollinearity and reduced-ranked estimation. En: Lectures in Econometric Theory. Minneapolis: University of Minnesota. Recuperado de http://users.econ.umn.edu/~jchipman/econ8211f05/ECTBK_3.pdf

Correa, D. (2015). Regresión no lineal, Cross-Validation y Regularization. Recuperado de https://dlegorreta.wordpress.com/2015/03/17/regresion-no-lineal-cross-validation-y-regularization/

Andrew. Ng. (s.f.) Stochastic Gradient Descent. [Video]. De la lección “Large Scale Machine Learning”. Coursera. Recuperado de https://es.coursera.org/learn/machine-learning/lecture/DoRHJ/stochastic-gradient-descent

Python. (S.f.). Python. Recuperado de https://www.python.org/about/

Numpy. (S.f.). Numpy. Recuperado de http://www.numpy.org/

Grouplens. (s.f.). Grouplens. Universidad de Minnesota. Recuperado de http://grouplens.org/datasets/movielens/

Betarte, L., Machado, R. y Molina, V. (2006). PGmúsica Sistema de recomendación de música. (Trabajo de grado). Uruguay: Universidad de la República.

Galan, S. (2007). Filtrado colaborativo y sistemas de recomendación. Madrid: Universidad Carlos III de Madrid.

O. Celma. Pyrecsys. (s.f.). Ocelma. Recuperado de http://ocelma.net/software/python-recsys/build/html/index.html

Cómo citar
Ramírez Morales, C. (2018). Algoritmo SVD aplicado a los sistemas de recomendación en el comercio. Tecnología Investigación Y Academia, 6(1), 18-27. Recuperado a partir de https://revistas.udistrital.edu.co/ojs/index.php/tia/article/view/11827
Publicado: 2018-03-07
Sección
Investigación