Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodigital.uns.edu.ar/handle/123456789/4736
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorCapobianco, Marcela-
dc.contributor.advisorMaguitman, Ana Gabriela-
dc.contributor.authorBriguez, Cristian Emanuel-
dc.date2019-12-16-
dc.date.accessioned2020-02-21T21:50:40Z-
dc.date.available2020-02-21T21:50:40Z-
dc.date.issued2019-
dc.identifier.other2019-1697bes
dc.identifier.urihttp://repositoriodigital.uns.edu.ar/handle/123456789/4736-
dc.description.abstractLos sistemas de recomendación se han hecho cada vez más frecuentes en los últimos años, ya que ayudan a los usuarios a acceder a elementos relevantes del vasto universo de posibilidades disponibles en estos días. La mayoría de las investigaciones existentes en el área se basan puramente en aspectos cuantitativos, tales como índices de popularidad o medidas de similitud entre elementos o usuarios. En esta tesis se desarrollaron distintos modelos para la implementación de sistemas de recomendación, que incorporan aspectos que difieren de los más clásicos de un recomendador. Uno de los modelos desarrollados incorpora la noción de confiabilidad, mientras que otro fomenta la transparencia de la recomendación para los usuarios y la flexibilidad para instanciar las preferencias de recomendación en un sistema de recomendación. Los modelos propuestos incorporan el uso de argumentos a favor o en contra de las recomendaciones para determinar si una sugerencia debe ser presentada o no a un usuario. Para lograr esto, se adopta la Programación Lógica Rebatible (DeLP, del inglés, Defeasible Logic Programming) como el formalismo subyacente para modelar hechos y reglas sobre el dominio de recomendación y para computar el proceso de argumentación. Este enfoque tiene varias ventajas sobre otras técnicas de recomendación existentes. En particular, las recomendaciones se pueden refinar fácilmente en cualquier momento agregando nuevas reglas pulidas. También, queda en evidencia la capacidad de inferencia de los modelos propuestos. Lo más importante es que las explicaciones que apoyan cada recomendación pueden proporcionarse de una manera que sea fácil de entender para el usuario, por medio de los argumentos calculados.es
dc.description.abstractRecommender systems have become prevalent in recent years as they help users to access relevant items from the vast universe of possibilities available these days. Most existing research in this area is based purely on quantitative aspects such as indices of popularity or measures of similarity between items or users. In this thesis, different models were developed for the implementation of recommendation systems, which incorporate aspects that differ from those classically found in a recommender. One of the models developed incorporate the notion of trust, while another promotes the transparency of the recommendation for users and the flexibility to instantiate recommendation preferences in a recommendation system. The proposed models incorporate the use of arguments in favor or against recommendations to determine if a suggestion should be presented or not to a user. In order to accomplish this, Defeasible Logic Programming (DeLP) is adopted as the underlying formalism to model facts and rules about the recommendation domain and to compute the argumentation process. This approach has a number of advantages over other existing recommendation techniques. In particular, recommendations can be easily refined at any time by adding new polished rules. Also, the inference capability of the proposed models is evident. Most importantly, explanations supporting each recommendation can be provided in a way that is easily understood by the user, by means of the computed arguments.es
dc.language.isospaes
dc.rightsReconocimiento-NoComercial-SinObraDerivada 4.0 (CC BY-NC-ND 4.0)es
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.subjectCiencias de la computaciónes
dc.subjectInteligencia artificiales
dc.subjectProgramación lógicaes
dc.subjectMinería de datoses
dc.subjectSistemas de recomendaciónes
dc.subjectConfiabilidades
dc.subjectArgumentaciónes
dc.titleIntegración de técnicas cualitativas y cuantitativas en los sistemas de recomendaciónes
dc.typetesis doctorales
bcuns.collection.nameBiblioteca Digital Académicaes
bcuns.collection.acronymBDAes
bcuns.collection.urlhttp://tesis.uns.edu.ar/es
bcuns.collection.institutionBiblioteca Central de la Universidad Nacional del Sures
bcuns.depositorylibrary.nameBiblioteca Central de la Universidad Nacional del Sures
bcuns.author.affiliationUniversidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computaciónes
bcuns.advisor.affiliationUniversidad Nacional del Sures
bcuns.defense.cityBahía Blancaes
bcuns.defense.provinceBuenos Aireses
bcuns.defense.countryArgentinaes
bcuns.programme.nameDoctorado en Ciencias de la Computaciónes
bcuns.programme.departmentDepartamento de Ciencias e Ingeniería de la Computaciónes
bcuns.thesisdegree.nameDoctor en Ciencias de la Computaciónes
bcuns.thesisdegree.grantorUniversidad Nacional del Sures
uns.type.publicationVersionaccepteden
bcuns.depositarylibrary.acronymEUNes
dcterms.accessRights.openAireinfo:eu-repo/semantics/openAccesses
Aparece en las colecciones: Tesis de postgrado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
BRIGUEZ, Cristian Emanuel - Tesis Doctoral.pdfTesis doctoral - Texto completo2,16 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons