%A Gaia Rubio P?rez-Castej?n
%T Recomendaciones basadas en contenido por medio de campos sem?nticos impl?citos
%X El trabajo de fin de grado presentado se enmarca en el ?mbito de sistemas de filtrado de informaci?n y m?s concretamente en los sistemas de recomendaci?n. El objetivo ha sido crear un sistema recomendador basado en contenido usando t?cnicas de procesamiento de lenguaje natural, espec?ficamente de vectorizaci?n de texto, para realizar recomendaciones a partir de la cercan?a sem?ntica de los ?tems, index?ndolos autom?ticamente en la base de datos en el momento de inserci?n realizando cambios sobre sus conjuntos de palabras clave o etiquetas en funci?n de la cercan?a a las ya presentes en los ?tems previos. Con este objetivo se ha realizado un estado del arte sobre sistemas recomendadores, repasando las t?cnicas m?s actualizadas y caracterizando los distintos tipos presentes en el mercado. Se ha hecho tambi?n un recorrido similar por t?cnicas recientes de procesamiento de lenguaje natural, haciendo especial ?nfasis sobre la vectorizaci?n de texto. A continuaci?n se ha mostrado la documentaci?n seguida para el desarrollo del c?digo fuente, destacando las tecnolog?as en uso y documentaci?n a alto nivel del sistema para comprender correctamente su funcionamiento. Con el c?digo desarrollado se ha procedido a realizar pruebas usando conjuntos de datos dise?ados para sistemas de extracci?n de informaci?n, obteniendo unas conclusiones provisionales sobre el rendimiento y precisi?n del desarrollo. Finalmente se han propuesto l?neas de investigaci?n y mejoras abiertas para el futuro del sistema.
Abstract:
This final degree project is included within the field of information filtering, more specifically in the recommender systems domain. The purpose throughout has been to develop a content-based recommender system using natural language processing techniques, text vectorization methods in particular, to provide recommendations based on the semantic closeness of the items, automatically indexing them in the database by making changes to their keyword or tag sets in accordance to the closeness to the already present in previous items. For this purpose, a state of the art on recommender systems was carried out, reviewing the most up-to-date techniques and characterizing the available systems present in the market. A similar approach has been taken regarding natural language processing, especially on text vectorization. After that, documentation followed during the development of the source code has been presented, highlighting the used technologies and high-level documentation to properly understand its behaviour.
Experimentation has followed the development of the  system, using datasets designed for information retrieval system to draw provisional conclusions on the performance and precision of the code. Finally, future research and improvements have been proposed for the developed system.
%C Madrid
%D 2020
%K Sistemas de recomendaci?n
%I ETSI_Sistemas_Infor
%L upm64087