Sistema de recomendación híbrido basado en grafos con enfoque a artículos científicos

Vista sencilla de ítem
dc.contributor.advisorOrtega-Guzmán, Victor H.
dc.contributor.authorEscamilla-Ornelas, Jorge M.
dc.date.accessioned2021-07-01T19:16:06Z
dc.date.available2021-07-01T19:16:06Z
dc.date.issued2021-06
dc.descriptionEl presente trabajo da evidencia del desarrollo de un sistema de recomendación de artículos científicos y sus entidades relacionadas como autores y journals a través de una interfaz web utilizando como fuente de información una base de datos de grafos (Neo4j). Hasta hace no mucho tiempo internet era solamente un repositorio donde solo las personas con capacidad de entender y desarrollar códigos de programación eran las encargadas de generar contenido; ahora todo el mundo con acceso a la red tiene la posibilidad de producir información directa o indirectamente. Desde la década de 1980, el internet ha crecido su demanda hasta el punto de incluir el potencial informativo de universidades y centros de estudio que ahora tienen la capacidad de publicar sus artículos de investigación en los repositorios de la web. Debido a este aumento de demanda y generación de información, los sistemas de búsqueda se han vuelto ineficientes al momento de satisfacer las necesidades del usuario que desea encontrar artículos científicos que le ayuden a desarrollarse profesionalmente. Fue así como surgió la motivación de desarrollo de un sistema de recomendación. Las principales características de esta propuesta incluyen el uso de una base de datos no relacional como fuente de datos, así como un sistema web con interfaz gráfica amigable que le permita al usuario final realizar una búsqueda de palabras clave y obtener, como resultado, un conjunto de artículos científicos acorde a sus necesidades. Se mencionan diversos tipos de sistemas de recomendación que son analizados en el presente documento; nuestro sistema de recomendación es considerado híbrido debido a que analiza el texto interno de cada uno de los artículos científicos y las participaciones colaborativas que tuvieron los autores para la creación de las entidades en la base de datos de grafos. Existe una amplia variedad de algoritmos enfocados a este tipo de topología, como lo son métodos de búsqueda, evaluación de importancia de nodos dentro de la estructura y generadores de comunidades que fueron utilizados para el desarrollo del algoritmo interno de recomendación como es el caso de Louvain y PageRank. En los siguientes capítulos se presenta la descripción de funcionamiento y utilización del sistema creado, así como un caso de prueba donde el usuario final escribe con palabras clave su búsqueda y al finalizar obtuvo sugerencias directas e indirectas de manera interactiva en el sistema web. Se concluye que el uso de un sistema hibrido de recomendaciones basada en grafos cumple eficazmente con las sugerencias resultantes y nos provee de cualidades como el análisis en tiempo real, persistencia de información y la capacidad de generalizar el tópico esencial de recomendación independientemente de la estructura del grafo.es_MX
dc.description.sponsorshipITESO, A. C.es
dc.identifier.citationEscamilla-Ornelas, J. M. (2021). Sistema de recomendación híbrido basado en grafos con enfoque a artículos científicos. Trabajo de obtención de grado, Maestría en Sistemas Computacionales. Tlaquepaque, Jalisco: ITESO.es_MX
dc.identifier.urihttps://hdl.handle.net/11117/7435
dc.language.isospaes_MX
dc.publisherITESOes_MX
dc.rights.urihttp://quijote.biblio.iteso.mx/licencias/CC-BY-NC-2.5-MX.pdfes_MX
dc.subjectGrafoes_MX
dc.subjectNeo4jes_MX
dc.subjectLouvaines_MX
dc.subjectPageRankes_MX
dc.subjectNeovises_MX
dc.subjectBase de Datoses_MX
dc.subjectNo SQLes_MX
dc.subjectSistema de Búsquedaes_MX
dc.titleSistema de recomendación híbrido basado en grafos con enfoque a artículos científicoses_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_MX

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
TOG ESCAMILLA_V7_FINAL.pdf
Tamaño:
3.87 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Colecciones

DESI - Trabajos de fin de Maestría en Sistemas Computacionales