Desarrollo y Evaluación de un Sistema de Recomendación Basado en una Aproximación Push.

Fumanal Lacoma, Irene
Ilarri Artigas, Sergio (dir.)

Universidad de Zaragoza, EINA, 2021
Departamento de Informática e Ingeniería de Sistemas, Área de Lenguajes y Sistemas Informáticos

Graduado en Ingeniería Informática

Resumen: El exceso de información disponible en la actualidad puede desbordar a los usuarios cuando tienen que tomar una decisión y escoger entre diversas opciones. Los sistemas de recomendación, (RS, Recommender Systems) tienen como objetivo sugerir ítems a los usuarios según sus preferencias y circunstancias, y resultan de gran interés en el campo de la investigación y en el mercado. Estos abordan una perspectiva bidimensional basada en Usuario-Ítem. Existen también los sistemas de recomendación dependientes del contexto (CARS, Context-Aware Recommender Systems), cuya perspectiva es tridimensional Usuario-Ítem-Contexto, en la que incorporan el contexto del usuario en el proceso de recomendación para adaptar mejor las recomendaciones proporcionadas.
El sistema desarrollado consiste en un sistema de recomendación dependiente del contexto y proactivo (que recomienda ítems sin que el usuario intervenga) para usuarios móviles. Este proyecto se ha realizado sobre el prototipo desarrollado en el Trabajo de Fin de Grado Desarrollo de un Prototipo de Aplicación Móvil
para Sistemas de Recomendación Proactivos, que trabaja sobre un modelo de arquitectura de un sistema de recomendación proactivo y que incluye un prototipo móvil capaz de recibir recomendaciones, gestionar las actividades recomendadas de diversas categorías y comunicarse con el encargado de realizar recomendaciones a los usuarios (el gestor de entorno). El foco de este proyecto previo no era la parte de recomendación.
Este proyecto amplía el prototipo móvil anterior haciéndolo capaz de detectar qué tipos de recomendación deben activarse sin la intervención del usuario. Esto permite tomar este tipo de decisiones en el propio dispositivo y beneficiar la privacidad del usuario, ya que, si este lo desea, puede decidir no compartir información del contexto con el recomendador externo. Además, ofrece la posibilidad de definir reglas personalizadas para decidir qué tipos de recomendación deben activarse según su contexto. Para ello, se ha realizado una búsqueda de tecnologías que permitan la definición de estas reglas y puedan funcionar en un dispositivo Android. Esto, junto con la posibilidad de establecer prioridades entre los distintos tipos de recomendación, hace que el sistema sea capaz de ofrecer una experiencia más personalizada al usuario. Para evaluar el prototipo se ha implementado un gestor de entorno de prueba, se ha definido un escenario real y se han comprobado sus resultados. Además, se completaron pruebas de rendimiento de la tecnología de reglas en un dispositivo móvil.

Tipo de Trabajo Académico: Trabajo Fin de Grado