Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones
Existen muchos problemas de negocio que requieren predecir u ordenar un conjunto de opciones. Para resolver este tipo de preguntas los modelos tradicionales de aprendizaje supervisado pueden no ser ideales, ya que no están diseñados para esta tarea. Learning to Rank, por otro lado, es una rama de...
Guardado en:
Autor principal: | |
---|---|
Otros Autores: | |
Formato: | Artículo acceptedVersion |
Lenguaje: | Español |
Publicado: |
Universidad Torcuato Di Tella
2023
|
Materias: | |
Acceso en línea: | https://repositorio.utdt.edu/handle/20.500.13098/11881 |
Aporte de: |
id |
I57-R163-20.500.13098-11881 |
---|---|
record_format |
dspace |
spelling |
I57-R163-20.500.13098-118812023-06-16T07:25:43Z Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones Umaña Zamora, Gabriela M. Gálvez, Ramiro H. Soulés, Lucas M. Predicción tecnológica Aprendizaje automático Aprendizaje supervisado Learning to Rank Machine Learning Existen muchos problemas de negocio que requieren predecir u ordenar un conjunto de opciones. Para resolver este tipo de preguntas los modelos tradicionales de aprendizaje supervisado pueden no ser ideales, ya que no están diseñados para esta tarea. Learning to Rank, por otro lado, es una rama del aprendizaje supervisado que busca ordenar un conjunto de opciones dado un criterio de relevancia. En esta tesis se evalúa el desempeño de estos modelos en tres aplicaciones diferentes. Dos de ellas requieren ordenar páginas web respecto a criterios de búsqueda, y la tercera es un sistema de recomendación de productos en un marketplace. Los resultados obtenidos en este estudio sugieren que estos modelos tienen un mejor desempeño en tareas de ordenamiento que técnicas tradicionales de regresión y clasificación. Utilizar Learning to Rank con la metodología planteada en esta tesis, puede ayudar a industrias de diferentes tipos a obtener mejores resultados en múltiples áreas como marketing y finanzas. 2023-06-15T17:28:52Z 2023-06-15T17:28:52Z 2021 info:eu-repo/semantics/article info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/11881 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 60 p. application/pdf application/pdf Universidad Torcuato Di Tella |
institution |
Universidad Torcuato Di Tella |
institution_str |
I-57 |
repository_str |
R-163 |
collection |
Repositorio Digital Universidad Torcuato Di Tella |
language |
Español |
orig_language_str_mv |
spa |
topic |
Predicción tecnológica Aprendizaje automático Aprendizaje supervisado Learning to Rank Machine Learning |
spellingShingle |
Predicción tecnológica Aprendizaje automático Aprendizaje supervisado Learning to Rank Machine Learning Umaña Zamora, Gabriela M. Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones |
topic_facet |
Predicción tecnológica Aprendizaje automático Aprendizaje supervisado Learning to Rank Machine Learning |
description |
Existen muchos problemas de negocio que requieren predecir u ordenar un conjunto de
opciones. Para resolver este tipo de preguntas los modelos tradicionales de aprendizaje
supervisado pueden no ser ideales, ya que no están diseñados para esta tarea. Learning to
Rank, por otro lado, es una rama del aprendizaje supervisado que busca ordenar un conjunto
de opciones dado un criterio de relevancia. En esta tesis se evalúa el desempeño de estos
modelos en tres aplicaciones diferentes. Dos de ellas requieren ordenar páginas web respecto
a criterios de búsqueda, y la tercera es un sistema de recomendación de productos en un
marketplace. Los resultados obtenidos en este estudio sugieren que estos modelos tienen un
mejor desempeño en tareas de ordenamiento que técnicas tradicionales de regresión y
clasificación. Utilizar Learning to Rank con la metodología planteada en esta tesis, puede
ayudar a industrias de diferentes tipos a obtener mejores resultados en múltiples áreas como
marketing y finanzas. |
author2 |
Gálvez, Ramiro H. |
author_facet |
Gálvez, Ramiro H. Umaña Zamora, Gabriela M. |
format |
Artículo acceptedVersion |
author |
Umaña Zamora, Gabriela M. |
author_sort |
Umaña Zamora, Gabriela M. |
title |
Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones |
title_short |
Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones |
title_full |
Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones |
title_fullStr |
Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones |
title_full_unstemmed |
Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones |
title_sort |
aplicación empírica de metodologías de machine learning to rank. comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones |
publisher |
Universidad Torcuato Di Tella |
publishDate |
2023 |
url |
https://repositorio.utdt.edu/handle/20.500.13098/11881 |
work_keys_str_mv |
AT umanazamoragabrielam aplicacionempiricademetodologiasdemachinelearningtorankcomparacionconotrastecnicasdeaprendizajesupervisadoendiferentesaplicaciones |
_version_ |
1769355029782724608 |