Aplicación de métodos de clustering en sistemas de recomendaciones
Desde hace siglos, las empresas se han enfrentado a la difícil decisión de qué recomendar a sus clientes. Este desafío se ha intensificado en las últimas décadas con la llegada del internet, ya que los negocios ahora tienen acceso a una gran cantidad de información sobre los usuarios y desean aprove...
Kaydedildi:
| Yazar: | |
|---|---|
| Materyal Türü: | masterThesis |
| Dil: | İspanyolca |
| Baskı/Yayın Bilgisi: |
2025
|
| Konular: | |
| Online Erişim: | https://hdl.handle.net/20.500.12008/50140 |
| Etiketler: |
Etiket eklenmemiş, İlk siz ekleyin!
|
| _version_ | 1868890154971693056 |
|---|---|
| author | Mazzuco, Diego |
| author_browse | Mazzuco, Diego |
| author_facet | Mazzuco, Diego |
| author_role | author |
| collection | COLIBRI |
| dc.contributor.none.fl_str_mv | Mazzuco Diego, Universidad de la República (Uruguay). Facultad de Ingeniería |
| dc.creator.none.fl_str_mv | Mazzuco, Diego |
| dc.date.none.fl_str_mv | 2025-05-27T16:04:12Z 2025-05-27T16:04:12Z 2025 |
| dc.format.none.fl_str_mv | 78 p. application/pdf |
| dc.identifier.none.fl_str_mv | Mazzuco, D. Aplicación de métodos de clustering en sistemas de recomendaciones [en línea]. Tesis de maestría. Montevideo : Udelar. FI, 2025. 1688-2806 https://hdl.handle.net/20.500.12008/50140 |
| dc.language.none.fl_str_mv | es spa |
| dc.publisher.none.fl_str_mv | Udelar.FI |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
| dc.source.none.fl_str_mv | reponame:COLIBRI instname:Universidad de la República instacron:Universidad de la República |
| dc.subject.none.fl_str_mv | MAB Multi Armed Bandit LinUCB Machine Learning AI ALGORITMOS RECOMENDACIONES MÉTODOS DE SIMULACIÓN |
| dc.title.none.fl_str_mv | Aplicación de métodos de clustering en sistemas de recomendaciones |
| dc.type.none.fl_str_mv | Tesis de maestría info:eu-repo/semantics/masterThesis info:eu-repo/semantics/acceptedVersion |
| description | Desde hace siglos, las empresas se han enfrentado a la difícil decisión de qué recomendar a sus clientes. Este desafío se ha intensificado en las últimas décadas con la llegada del internet, ya que los negocios ahora tienen acceso a una gran cantidad de información sobre los usuarios y desean aprovecharla para realizar las mejores recomendaciones posibles. Con el objetivo de aumentar los ingresos y atraer a más consumidores potenciales. Esta dinámica, tan común como compleja, plantea el desafío de determinar las mejores recomendaciones posibles. Un ejemplo simple pero revelador de esta complejidad se encuentra en la elección de un producto, donde optar por uno implica necesariamente no elegir otros. En este contexto, la literatura ofrece diversas estrategias para abordar este dilema de elección. Sin embargo, este trabajo se enfocará en los algoritmos de Multiarmed bandit, proponiendo un nuevo algoritmo llamado CLinUCB, el cual utiliza el contexto del usuario y las opciones disponibles para ofrecer recomendaciones dinámicas que se alinean con el estado del arte en este campo. |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| id | anni_a44cd75669fb937d6b01ad89a6c46eec |
| identifier_str_mv | Mazzuco, D. Aplicación de métodos de clustering en sistemas de recomendaciones [en línea]. Tesis de maestría. Montevideo : Udelar. FI, 2025. 1688-2806 |
| instacron_str | Universidad de la República |
| institution | Universidad de la República |
| instname_str | Universidad de la República |
| language | spa |
| language_invalid_str_mv | es |
| network_acronym_str | anni |
| network_name_str | oai-lr-anni |
| oai_identifier_str | oai:colibri.udelar.edu.uy:20.500.12008/50140 |
| publishDate | 2025 |
| publishDateSort | 2025 |
| publisher.none.fl_str_mv | Udelar.FI |
| reponame_str | COLIBRI |
| repository.mail.fl_str_mv | |
| repository.name.fl_str_mv | |
| repository_id_str | |
| rights_invalid_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
| spelling | Aplicación de métodos de clustering en sistemas de recomendacionesMazzuco, DiegoMABMulti Armed BanditLinUCBMachine LearningAIALGORITMOSRECOMENDACIONESMÉTODOS DE SIMULACIÓNDesde hace siglos, las empresas se han enfrentado a la difícil decisión de qué recomendar a sus clientes. Este desafío se ha intensificado en las últimas décadas con la llegada del internet, ya que los negocios ahora tienen acceso a una gran cantidad de información sobre los usuarios y desean aprovecharla para realizar las mejores recomendaciones posibles. Con el objetivo de aumentar los ingresos y atraer a más consumidores potenciales. Esta dinámica, tan común como compleja, plantea el desafío de determinar las mejores recomendaciones posibles. Un ejemplo simple pero revelador de esta complejidad se encuentra en la elección de un producto, donde optar por uno implica necesariamente no elegir otros. En este contexto, la literatura ofrece diversas estrategias para abordar este dilema de elección. Sin embargo, este trabajo se enfocará en los algoritmos de Multiarmed bandit, proponiendo un nuevo algoritmo llamado CLinUCB, el cual utiliza el contexto del usuario y las opciones disponibles para ofrecer recomendaciones dinámicas que se alinean con el estado del arte en este campo.Udelar.FIMazzuco Diego, Universidad de la República (Uruguay). Facultad de Ingeniería2025-05-27T16:04:12Z2025-05-27T16:04:12Z2025Tesis de maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersion78 p.application/pdfMazzuco, D. Aplicación de métodos de clustering en sistemas de recomendaciones [en línea]. Tesis de maestría. Montevideo : Udelar. FI, 2025.1688-2806https://hdl.handle.net/20.500.12008/50140reponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaesspaLas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)oai:colibri.udelar.edu.uy:20.500.12008/501402026-04-14T10:27:37Z |
| spellingShingle | Aplicación de métodos de clustering en sistemas de recomendaciones Mazzuco, Diego MAB Multi Armed Bandit LinUCB Machine Learning AI ALGORITMOS RECOMENDACIONES MÉTODOS DE SIMULACIÓN |
| status_str | acceptedVersion |
| title | Aplicación de métodos de clustering en sistemas de recomendaciones |
| title_full | Aplicación de métodos de clustering en sistemas de recomendaciones |
| title_fullStr | Aplicación de métodos de clustering en sistemas de recomendaciones |
| title_full_unstemmed | Aplicación de métodos de clustering en sistemas de recomendaciones |
| title_short | Aplicación de métodos de clustering en sistemas de recomendaciones |
| title_sort | Aplicación de métodos de clustering en sistemas de recomendaciones |
| topic | MAB Multi Armed Bandit LinUCB Machine Learning AI ALGORITMOS RECOMENDACIONES MÉTODOS DE SIMULACIÓN |
| url | https://hdl.handle.net/20.500.12008/50140 |