Diseño de un ‘Stacking’ de modelos de recomendación mediante el uso de redes neuronales

Pérez López, Diego (2022). Diseño de un ‘Stacking’ de modelos de recomendación mediante el uso de redes neuronales. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Diseño de un ‘Stacking’ de modelos de recomendación mediante el uso de redes neuronales
Author/s:
  • Pérez López, Diego
Contributor/s:
  • Ortega Requena, Fernando
Item Type: Final Project
Degree: Grado en Ingeniería del Software
Date: June 2022
Subjects:
Freetext Keywords: Inteligencia artificial; Machine learning; Sistemas de recomendación; Redes neuronales artificiales; Stacking
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (3MB)
[img] Archive (ZIP) - Users in campus UPM only
Download (30kB)

Abstract

En este documento se presenta un estudio basado en Inteligencia Artificial desde dos puntos de vista. Por un lado, se detalla el uso de Machine Learning dentro de los Sistemas de Recomendación, por otro lado, se describe el funcionamiento de las Redes Neuronales Artificiales. Además, se expone el uso de la Metodología Stacking como meta-modelo de predicción de recomendaciones a través de la combinación de otros modelos. El estudio de ambas corrientes dentro de la inteligencia artificial converge en la idea de la utilización de redes neuronales artificiales como herramienta para mejorar las predicciones realizadas por los modelos de sistemas de recomendación actuales. Se realiza un estudio de los modelos Generalized Matrix Factorization (GMF), Multi-Layer Perceptron (MLP) y Neural Matrix Factorization (NeuMF), presentados en el artículo Neural Collaborative Filtering. Modelos que hacen uso de redes neuronales artificiales para la predicción de recomendaciones. Por lo tanto, se realiza una implementación de los modelos diseñados en este artículo con el propósito de obtener métricas de calidad y compararlos con otros modelos de predicción de recomendaciones. Por otro lado, se diseñan, desarrollan y analizan un total de 8 modelos de stacking a través del uso de redes neuronales, con el propósito de comprobar la viabilidad de las redes neuronales como meta-modelo para la combinación de diferentes modelos pertenecientes a los sistemas de recomendación. Finalmente, se realiza un análisis y se comparan todos los resultados obtenidos a lo largo del desarrollo del proyecto. Abstract: This document presents a study based on Artificial Intelligence from two points of view. On the one hand, the use of Machine Learning within Recommender Systems is detailed, on the other hand, the operation of Artificial Neural Networks is described. In addition, the use of the Stacking Methodology as a meta-model for prediction of recommendations through the combination of other models is exposed. The study of both currents within artificial intelligence converges on the idea of using artificial neural networks as a tool to improve the predictions made by current recommendation system models. A study is made of the Generalized Matrix Factorization (GMF), Multi-Layer Perceptron (MLP) and Neural Matrix Factorization (NeuMF) models, presented in the article Neural Collaborative Filtering. Models that make use of artificial neural networks for the prediction of recommendations. Therefore, an implementation of the models designed in this article is carried out with the purpose of obtaining quality metrics and comparing them with other recommendation prediction models. On the other hand, a total of 8 stacking models are designed, developed and analyzed through the use of neural networks, with the purpose of verifying the viability of neural networks as a meta-model for the combination of different models belonging to to recommendation systems. Finally, an analysis is carried out and all the results obtained throughout the development of the project are compared.

More information

Item ID: 70573
DC Identifier: https://oa.upm.es/70573/
OAI Identifier: oai:oa.upm.es:70573
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 10 Jun 2022 05:32
Last Modified: 10 Jun 2022 05:32
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM