000170738 001__ 170738
000170738 005__ 20260429150230.0
000170738 037__ $$aTAZ-TFG-2025-4808
000170738 041__ $$aspa
000170738 1001_ $$aKarafy Mohib, Ahmed
000170738 24200 $$aData management techniques for recommendation systems in distributed environments and mobile devices
000170738 24500 $$aTécnicas de gestión de datos para sistemas de recomendación en entornos distribuidos y dispositivos móviles
000170738 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2025
000170738 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000170738 520__ $$aEl presente Trabajo Fin de Grado estudia diferentes técnicas de gestión de datos aplicadas al desarrollo de sistemas de recomendación en entornos distribuidos y dispositivos móviles. El objetivo principal es explorar soluciones que permitan desplegar recomendadores embebidos en dispositivos móviles, sin depender de servidores externos, evaluando su viabilidad en términos de privacidad, autonomía y eficiencia. Para ello, se han analizado dos aplicaciones representativas. En primer lugar, R-Rules, un prototipo de motor basado en reglas y activación sensible al contexto, en el que la parte de recomendación se limita a funcionalidades sencillas. El objetivo principal en este trabajo ha sido modernizar su base tecnológica. Esto implicó garantizar la compatibilidad con versiones recientes de Android, mejorar la mantenibilidad del código y sustituir bibliotecas descontinuadas por alternativas activamente mantenidas, facilitando así una mejor experiencia de desarrollo y usuario. Además, se incorporó un módulo de comunicación peer-to-peer (P2P) para el intercambio directo de reglas y datos entre dispositivos. En segundo lugar, se exploró PASEO, una aplicación móvil para turismo inteligente que proporciona recomendaciones contextuales y personalizadas. Mientras que su arquitectura original seguía un enfoque cliente-servidor, en este trabajo se investigó la viabilidad de migrar la lógica del sistema al propio dispositivo móvil, complementándola con un módulo P2P que permite compartir valoraciones y elementos favoritos entre usuarios, con el fin de mejorar la colaboración y enriquecer las recomendaciones locales. Este trabajo se enmarca en el proyecto de investigación NEAT-AMBIENCE, contribuyendo al avance hacia sistemas de recomendación móviles más autónomos, colaborativos, privados y eficientes.<br />
000170738 521__ $$aGraduado en Ingeniería Informática
000170738 540__ $$aDerechos regulados por licencia Creative Commons
000170738 691__ $$a11 12
000170738 692__ $$aA través de la investigación de sistemas de recomendación se puede mejorar la sostenibilidad tanto en comunidades como en consumo. Además este trabajo se enmarca en el proyecto NEAT_AMBIENCE
000170738 700__ $$aIlarri Artigas, Sergio$$edir.
000170738 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cLenguajes y Sistemas Informáticos
000170738 8560_ $$f850111@celes.unizar.es
000170738 8564_ $$s2145475$$uhttps://zaguan.unizar.es/record/170738/files/TAZ-TFG-2025-4808.pdf$$yMemoria (spa)
000170738 909CO $$ooai:zaguan.unizar.es:170738$$pdriver$$ptrabajos-fin-grado
000170738 950__ $$a
000170738 951__ $$adeposita:2026-04-29
000170738 980__ $$aTAZ$$bTFG$$cEINA
000170738 999__ $$a20251201213806.CREATION_DATE