Sistemas de recomendación: un estudio comparativo de técnicas de filtrado

Simple item page
dc.contributor.MentorFraiman, Daniel
dc.creator.AutorSuarez Gurruchaga, Carlos Roque
dc.date.accessioned2025-09-16T14:14:54Z
dc.date.available2025-09-16T14:14:54Z
dc.date.issued2025
dc.descriptionFil: Suarez Gurruchaga, Carlos Roque. Universidad de San Andrés. Departamento de Matemática y Ciencias; Argentina.
dc.description.abstractLos sistemas de recomendación constituyen una herramienta fundamental en el entorno digital actual, donde usuarios se enfrentan a una sobrecarga de información que dificulta la toma de decisiones. Este trabajo presenta un análisis comparativo de siete diferentes estrategias de recomendación implementadas y evaluadas sobre el dataset MovieLens. Entre ellas se encuentran un Filtro colaborativo basado en memoria (tanto clásico como con ponderación temporal), un Filtro colaborativo por factores latentes, un Filtro basado en contenido actuando en combinación con Latent Dirichlet Allocation (LDA), un algoritmo de modelado de tópicos que permite descubrir patrones semánticos, y una propuesta híbrida que combina las fortalezas de múltiples técnicas. Los resultados revelan un trade-off entre precisión y cobertura: mientras que los filtros colaborativos se destacan en precisión y calidad de ordenamiento, el filtro basado en contenido sobresale en cobertura de usuarios e ítems. Por otro lado, los modelos híbridos logran un equilibrio óptimo, alcanzando alta precisión, calidad de ordenamiento y cobertura, constituyendo la opción más versátil. Esta investigación demuestra la importancia de seleccionar el enfoque de recomendación según objetivos específicos y características del conjunto de datos disponible, destacando la flexibilidad de los modelos híbridos como solución integral capaz de abordar simultáneamente las limitaciones de los enfoques individuales.
dc.formatapplication/pdf
dc.identifier.urihttps://repositorio.udesa.edu.ar/handle/10908/25711
dc.languagespa
dc.publisherUniversidad de San Andrés. Departamento de Matemática y Ciencias
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.titleSistemas de recomendación: un estudio comparativo de técnicas de filtrado
dc.typeTesis
dc.typeinfo:eu-repo/semantics/masterThesis
dc.typeinfo:ar-repo/semantics/tesis de maestría
dc.typeinfo:eu-repo/semantics/updatedVersion
Files
Original bundle
Thumbnail Image
Name:
[P][W] M. C.deD. Suarez Gurruchaga, Carlos Roque.pdf
Size:
2.78 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Maestría en Ciencia de Datos