Show simple item record

dc.contributor.authorFuster Pay, Ana 
dc.date.accessioned2015-06-16T18:17:57Z
dc.date.available2015-06-16T18:17:57Z
dc.date.issued2015-06-16
dc.description.abstract[SPA]La cantidad de información disponible en Internet ha crecido enormemente desde la aparición de nuevas tecnologías y redes sociales. Como consecuencia de este crecimiento, ha nacido un problema denominado ‘sobrecarga de información’. La solución a dicho problema es el uso de sistemas de recomendación, de esta manera conseguimos filtrar aquella información que realmente es relevante para el usuario, se aligera el tiempo empleado para la toma de decisiones a la hora de realizar una compra, seleccionar un libro para leer o una película para ver. Sin embargo, ¿cómo podemos estar seguros de que estamos usando el mejor sistema de recomendación? Muchos investigadores han analizado el empleo de nuevas medidas subjetivas para medir la percepción que los usuarios tienen del sistema, ya que la satisfacción de los usuarios asegura la optimización del sistema. Con el fin de encontrar la relación entre dichas medidas y la calidad del sistema, realizamos un estudio con usuarios reales en el dominio de las películas, con el propósito de analizar cómo afectan estas medidas a su satisfacción. En este estudio se han examinado 6 algoritmos de recomendación diferentes (tres algoritmos de filtrado colaborativo, un algoritmo híbrido y dos algoritmos básicos) a través de una evaluación offline con el fin de identificar los mejores parámetros para configurar cada uno de los algoritmos, seguida por una evaluación online con usuarios reales. En dicha evaluación online, los usuarios tienen que comparar seis listas con películas recomendadas por cada uno de los algoritmos, además de responder a una serie de preguntas para medir la Precisión, Novedad, Confianza, Variedad, Efectividad y Calidad de cada uno de los algoritmos de recomendación empleados. Además, también llevamos a cabo el análisis de recomendaciones grupales con el propósito de demostrar que no se necesitan sistemas complejos para crear buenas recomendaciones para grupos. También investigamos si las medidas subjetivas mencionadas con anterioridad influyen en la satisfacción del grupo con las recomendaciones recibidas.[ENG]The amount of data available on the Internet has enormously increased since the apparition of new technologies and social networks. As a consequence, a problem has emerged called ‘information overload’. The solution for this problem is the use of recommender systems. However, how can we be sure that we are using the best system to make recommendations? Lots of researchers [1] [4] [5] [8] have discussed the use of new subjective metrics to measure the perception of the system that users have about it since users satisfaction ensures the goodness of the recommender. To figure out the relation among these metrics and the quality of a system, we offer a user study in the movie domain with the aim of analyzing how these metrics affect their satisfaction. This paper examines six different algorithms (three common collaborative filtering, one hybrid, and two basics) through an offline evaluation to identify the best parameter for each of them, followed by the online evaluation with real users. In this online experiment, users have to compare six lists of recommendations produced by each algorithm regarding the measurements of Accuracy, Novelty, Understands Me, Diversity, Effectiveness and Quality.Our study also covers the analysis of group recommendations with the purpose of proving that there is no need for complex systems in order to make good group recommendations. Moreover, we investigate whether the subjective metrics above mentioned influence in group satisfaction.es_ES
dc.formatapplication/pdfes_ES
dc.language.isospaes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.title.alternativeStudy of individual users and groups : perceptions of recommender systems performancees_ES
dc.titleEstudio del rendimiento de los sistemas de recomendación percibido por usuarios individuales y gruposes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.subject.otherTeoría de la Señal y las Comunicacioneses_ES
dc.contributor.advisorMolina García-Pardo, José María 
dc.subjectrecommender system, userses_ES
dc.subjectsatisfactiones_ES
dc.subjectsubjective metricses_ES
dc.subjectgroups recommendationses_ES
dc.subjectsatisfaciónes_ES
dc.subjectrecomendacioneses_ES
dc.subjectmétricases_ES
dc.identifier.urihttp://hdl.handle.net/10317/4787
dc.description.centroEscuela Técnica Superior de Ingeniería de Telecomunicaciónes_ES
dc.contributor.departmentTecnologías de la Información y las Comunicacioneses_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.description.universityUniversidad Politécnica de Cartagenaes_ES


Files in this item

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 España
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España