Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/7713
Full metadata record
DC FieldValueLanguage
dc.contributor.authorLara Ontiveros, Jorge%590741-
dc.creatorLara Ontiveros, Jorge%590741-
dc.date.accessioned2024-05-07T14:54:06Z-
dc.date.available2024-05-07T14:54:06Z-
dc.date.issued2016-06-17-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/7713-
dc.descriptionLas instituciones de educación superior cuentan con capital intelectual. Entre los que podemos encontrar está el capital humano, el capital estructural y el capital relacional. Los cuales forman un conjunto de ítems heterogéneos que se encuentran contenidos en repositorios de información. Sin embargo, con el crecimiento de las instituciones la localización de información relevante se ha convertido en un problema. Como solución a esto han surgido los sistemas de recomendación, los cuales se han planteado como una posibilidad de apoyo a los usuarios ayudándolos en la localización automática de ítems interesantes. Los Sistemas de Recomendación son herramientas que brindan una solución para el manejo de la gran cantidad de información que día a día se incrementa en la WWW (Pinter, Marušić, & Radosav, 2012), ayudando al usuario en el filtrado de la información que puede ser de utilidad según sus necesidades específicas. Este trabajo tiene dos objetivos: el primero es implementar un servicio de recomendación que utilice el algoritmo basada en contenido para explotar un repositorio de ítems heterogéneos, el cual contiene los siguientes tipos de ítems: académicos, objetos de conocimiento, instalaciones especializadas, infraestructura especializada, certificaciones, cursos, servicios tecnológicos y proyectos; el segundo es implementar la metodología de explicación que permita crear explicaciones de las recomendaciones inferidas para los usuarios, enfocándose en crear una para cada tipo de ítem. Para llevar a cabo la evaluación del sistema de recomendación se utilizaron las curvas ROC. Estas intentan medir el grado en que un sistema de filtrado de información puede distinguir con éxito entre ruido y señal (relevancia). Las curvas ROC tienen un filtro o límite de predicción, a partir del cual todos los ítems que el sistema sitúa por encima del límite son vistos por el usuario. Se decidió emplear la curva ROC para evaluar el rendimiento del algoritmo de recomendación, ya que se busca encontrar los parámetros que mejores resultados arrojen, que recuperen la mayor cantidad de ítems relevantes y descarten aquellos que sean irrelevantes. Estas pruebas permitirán fijar los mejores parámetros para el sistema de recomendación. Dentro de estas pruebas se ha determinado la necesidad de realizar las evaluaciones dividiéndolas según los tipos de ítems existentes dentro de la plataforma, es decir, académico, objeto de conocimiento, instalación especializada, infraestructura tecnológica, curso, servicio tecnológico, certificación y proyecto de investigación. Los umbrales que mejores resultados ofrecieron tomando en consideración que extraiga una mayor cantidad de ítems relevantes y una baja cantidad de ítems irrelevantes fueron:  Académico es > .40  Objeto de conocimiento es >.25  Instalación especializada es >.31  Infraestructura tecnológica es >.26  Curso es > .26  Servicio tecnológico es >.30es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.titleServicios de Recomendación para la Explotación de Repositorios de Ítems Heterogéneoses_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.contributor.directorGonzalez Serna, Juan Gabriel%123551-
dc.contributor.directorLopez Sanchez, Maximo %89655-
dc.folio977es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmCentro Nacional de Investigación y Desarrollo Tecnológicoes_MX
Appears in Collections:Tesis de Maestría en Computación

Files in This Item:
File Description SizeFormat 
MC_Jorge_Lara_Ontiveros_2016.pdfTesis5.44 MBAdobe PDFView/Open
MC_Jorge_Lara_Ontiveros_2016_c.pdf
  Restricted Access
Cesión de derechos236.33 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons