Recomendación de lugares para redes sociales basadas en ubicación
Los sistemas de recomendación se han ido consolidando como potentes herramientas para ayudar a reducir la sobrecarga de información a la que nos enfrentamos en los procesos de búsqueda de información. Ayudan a filtrar los ítems de información recuperados, usando distintas técnicas para identificar...
Guardado en:
| Autores principales: | , |
|---|---|
| Formato: | Artículo revista |
| Lenguaje: | Español |
| Publicado: |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
2017
|
| Materias: | |
| Acceso en línea: | http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1467 |
| Aporte de: |
| id |
I21-R190-123456789-1467 |
|---|---|
| record_format |
ojs |
| institution |
Universidad Nacional del Centro |
| institution_str |
I-21 |
| repository_str |
R-190 |
| container_title_str |
Repositorio Institucional de Acceso Abierto (RIDAA) |
| language |
Español |
| format |
Artículo revista |
| topic |
Redes Sociales Ingeniería de sistemas Red Social Foursquare Sistemas de recomendación |
| spellingShingle |
Redes Sociales Ingeniería de sistemas Red Social Foursquare Sistemas de recomendación Barrenechea, Pablo Troccoli, Sebastián Claudio Recomendación de lugares para redes sociales basadas en ubicación |
| topic_facet |
Redes Sociales Ingeniería de sistemas Red Social Foursquare Sistemas de recomendación |
| author |
Barrenechea, Pablo Troccoli, Sebastián Claudio |
| author_facet |
Barrenechea, Pablo Troccoli, Sebastián Claudio |
| author_sort |
Barrenechea, Pablo |
| title |
Recomendación de lugares para redes sociales basadas en ubicación |
| title_short |
Recomendación de lugares para redes sociales basadas en ubicación |
| title_full |
Recomendación de lugares para redes sociales basadas en ubicación |
| title_fullStr |
Recomendación de lugares para redes sociales basadas en ubicación |
| title_full_unstemmed |
Recomendación de lugares para redes sociales basadas en ubicación |
| title_sort |
recomendación de lugares para redes sociales basadas en ubicación |
| description |
Los sistemas de recomendación se han ido consolidando como potentes herramientas
para ayudar a reducir la sobrecarga de información a la que nos enfrentamos en los procesos de búsqueda de información. Ayudan a filtrar los ítems de información recuperados, usando distintas técnicas para identificar aquellos que mejor satisfacen las preferencias o necesidades de los usuarios. En las redes sociales basadas en ubicación, añadir la información acerca de la ubicación, consigue enlazar la brecha que existe actualmente entre el mundo físico y el mundo digital, permitiendo un mayor entendimiento acerca de las preferencias de los usuarios y su comportamient. Dentro de los servicios que puede ofrecer una red social basada en ubicación, el servicio de recomendación de puntos de interés es una de las características más importantes. Este servicio es muy utilizado por los usuarios para encontrar lugares de interés
cercanos, así como para ser asistido en sitios desconocidos. Además, le permite a las
compañías publicitar anuncios en base a la presencia física de los usuarios y generar ingresos para la red social en cuestión. En el caso particular de las redes sociales basadas en ubicación o RSBU, cada vez son más los lugares registrados en las mismas y por consiguiente, potenciales recomendaciones a los distintos usuarios. No obstante, el crecimiento exponencial de la información generada por las interacciones de los usuarios hace que sea necesario la clasificación. La finalidad de este trabajo es la implementación de un sistema de recomendación híbrido que haciendo uso de la información extra que nos proveen las redes sociales basadas en ubicación, sea capaz de recomendar puntos de interés a los usuarios de una forma efectiva. Para ello utilizaremos un conjunto de datos de la Red Social Foursquare que posee información de la actividad de los usuarios en las ciudades de Los Ángeles y Nueva York. Para lograr esto, el problema puede ser descompuesto en dos partes: 1. Modelar las preferencias del usuario usando el conjunto de datos escogido. 2. Proveer a cada usuario una lista de lugares que se adapten a sus preferencias personales. Párrafo extraído de la tesis de grado a modo de resumen. |
| publisher |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas |
| publishDate |
2017 |
| url |
http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1467 |
| work_keys_str_mv |
AT barrenecheapablo recomendaciondelugarespararedessocialesbasadasenubicacion AT troccolisebastianclaudio recomendaciondelugarespararedessocialesbasadasenubicacion |
| first_indexed |
2022-07-04T14:26:18Z |
| last_indexed |
2022-07-04T14:26:18Z |
| bdutipo_str |
Revistas |
| _version_ |
1764819786638819330 |