Improving Collaborative Filtering Based Recommender Systems Using Pareto Dominance

Sánchez Sánchez, José Luis (2013). Improving Collaborative Filtering Based Recommender Systems Using Pareto Dominance. Tesis (Doctoral), E.U. de Informática (UPM) [antigua denominación].

Descripción

Título: Improving Collaborative Filtering Based Recommender Systems Using Pareto Dominance
Autor/es:
  • Sánchez Sánchez, José Luis
Director/es:
  • Bobadilla Sancho, Jesus
Tipo de Documento: Tesis (Doctoral)
Fecha: 2013
Materias:
Escuela: E.U. de Informática (UPM) [antigua denominación]
Departamento: Sistemas Inteligentes Aplicados [hasta 2014]
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
Pdf - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (16MB) | Vista Previa

Resumen

Los sistemas de recomendación son un tipo de solución al problema de sobrecarga de información que sufren los usuarios de los sitios web en los que se pueden votar ciertos artículos. El sistema de recomendación de filtrado colaborativo es considerado como el método con más éxito debido a que sus recomendaciones se hacen basándose en los votos de usuarios similares a un usuario activo. Sin embargo, el método de filtrado de colaboración tradicional selecciona usuarios insuficientemente representativos como vecinos de cada usuario activo. Esto significa que las recomendaciones hechas a posteriori no son lo suficientemente precisas. El método propuesto en esta tesis realiza un pre-filtrado del proceso, mediante el uso de dominancia de Pareto, que elimina los usuarios menos representativos del proceso de selección k-vecino y mantiene los más prometedores. Los resultados de los experimentos realizados en MovieLens y Netflix muestran una mejora significativa en todas las medidas de calidad estudiadas en la aplicación del método propuesto. ABSTRACTRecommender systems are a type of solution to the information overload problem suffered by users of websites on which they can rate certain items. The Collaborative Filtering Recommender System is considered to be the most successful approach as it make its recommendations based on votes of users similar to an active user. Nevertheless, the traditional collaborative filtering method selects insufficiently representative users as neighbors of each active user. This means that the recommendations made a posteriori are not precise enough. The method proposed in this thesis performs a pre-filtering process, by using Pareto dominance, which eliminates the less representative users from the k-neighbor selection process and keeps the most promising ones. The results from the experiments performed on Movielens and Netflix show a significant improvement in all the quality measures studied on applying the proposed method.

Más información

ID de Registro: 23087
Identificador DC: http://oa.upm.es/23087/
Identificador OAI: oai:oa.upm.es:23087
Depositado por: Archivo Digital UPM 2
Depositado el: 14 Mar 2014 07:53
Ultima Modificación: 21 Abr 2016 21:26
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM