000087179 001__ 87179
000087179 005__ 20200120113918.0
000087179 037__ $$aTAZ-TFM-2019-1380
000087179 041__ $$aspa
000087179 1001_ $$aSangüesa Pérez, Diego
000087179 24200 $$aComparative evaluation of different methods for recommendation systems applied to urban mobility and their possible inclusion in the business chain
000087179 24500 $$aEvaluación comparativa de diferentes métodos para sistemas de recomendación aplicados a la movilidad urbana y su posible inclusión en la cadena de negocio
000087179 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2019
000087179 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000087179 520__ $$aEl auge de las tecnologías de la comunicación ha hecho que generar y compartir información esté al alcance de todo el mundo, de forma que la cantidad de datos generados está creciendo exponencialmente. Para poder enfrentarse a toda esta información surgen los sistemas de recomendación, que ayudan al usuario a encontrar elementos (productos y servicios, actividades a realizar, etc.) de su interés reduciendo enormemente el coste de su búsqueda, y por lo tanto aportan comodidad y hacen accesible la exploración de datos. Estos sistemas, a partir de información conocida, consiguen predecir los intereses del usuario, para así mostrar los ítems que le resulten relevantes antes que el resto.<br />En este trabajo se propone utilizar las predicciones obtenidas de este tipo de sistemas para aplicarlas en el ámbito de la movilidad urbana; ya que, si se pueden conocer los intereses de los usuarios de antemano, se podrá prever por qué zonas y cómo se moverán un determinado grupo de turistas por la ciudad, y así se podrán preparar los servicios de movilidad existentes para optimizar su rendimiento.<br />Para conseguir este objetivo, en primer lugar se han estudiado las bases de funcionamiento de los sistemas de recomendación y se han visto las diferentes metodologías existentes, comprendiendo sus diferencias y las ventajas y desventajas que presentan unas u otras.<br />Se ha experimentado con algunos de los métodos de recomendación anteriormente nombrados, utilizando el lenguaje de programación R, y operando con un conjunto de datos existente en Internet, para poder conocer de forma práctica cómo se usan los sistemas de recomendación, comprender qué pasos siguen y qué parámetros se utilizan, y analizar los resultados obtenidos comparándolos entre sí. <br />Además, se han analizado los posibles casos de aplicación de estos sistemas en el contexto de la movilidad urbana, viendo cómo pueden ayudar y qué pueden aportar a este campo, con qué datos pueden trabajar y de dónde se podrían obtener estos, como afectarían a los procesos actuales de toma de decisiones, qué beneficios podrían aportar al mercado y cuáles serían sus costes.<br /><br />
000087179 521__ $$aMáster Universitario en Ingeniería Industrial
000087179 540__ $$aDerechos regulados por licencia Creative Commons
000087179 700__ $$aIlarri Artigas, Sergio$$edir.
000087179 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cLenguajes y Sistemas Informáticos
000087179 8560_ $$f680210@celes.unizar.es
000087179 8564_ $$s634518$$uhttps://zaguan.unizar.es/record/87179/files/TAZ-TFM-2019-1380.pdf$$yMemoria (spa)
000087179 909CO $$ooai:zaguan.unizar.es:87179$$pdriver$$ptrabajos-fin-master
000087179 950__ $$a
000087179 951__ $$adeposita:2020-01-20
000087179 980__ $$aTAZ$$bTFM$$cEINA
000087179 999__ $$a20191121122937.CREATION_DATE