Este Trabajo de Fin de Grado se centra en el desarrollo de un sistema de recomendación de restaurantes para grupos de personas. Siendo más específicos, en generar recomendaciones de restaurantes enfocados en las experiencias positivas del grupo en cuestión y de sus integrantes. Para ello se hace uso de las experiencias previas que tienen tanto en común como por separado los integrantes del grupo, enfocándose en las que han satisfecho a los usuarios, y descartando los restaurantes que no lo han hecho.
Para obtener los restaurantes, el algoritmo se enfoca en un filtro de recomendación social, obteniendo a los usuarios con los gustos más similares al grupo y generando una predicción de los restaurantes que más satisfarían a los integrantes. Con esto se busca cumplir los objetivos de satisfacer a un grupo entero generando las recomendaciones de la manera más sencilla para ellos.
A diferencia del resto de sistemas de recomendación, este se enfoca en recomendar cumpliendo las expectativas y gustos de más de una persona. Hasta el momento no existe ningún sistema que tenga este enfoque.
Para demostrar esto, he utilizado el dataset de la popular aplicación americana Yelp, que cuenta con los datos necesarios para poder llevar a cabo el proyecto y poner a prueba el algoritmo diseñado.
Abstract:
This Final Degree Project focuses on the development of a restaurant recommendation system for groups of people. More specifically, to generate restaurant recommendations focused on the positive experiences of the group in question and its members. To do this, it makes use of the previous experiences that the members of the group have both in common and separately, focusing on those that have satisfied the users, and discarding restaurants that have not.
To obtain the restaurants, the algorithm focuses on a social recommendation filter, obtaining the users with the most similar tastes to the group and generating a prediction of the restaurants that would most satisfy the members. This seeks to meet the objectives of satisfying an entire group by generating recommendations in the easiest way for them.
Unlike other recommender systems, this one focuses on making recommendations that meet the expectations and tastes of more than one person. So far there is no other system that has this approach.
To demonstrate this, I have used the dataset of the popular American application Yelp, which has the necessary data to carry out the project and test the designed algorithm.
Este Trabajo de Fin de Grado se centra en el desarrollo de un sistema de recomendación de restaurantes para grupos de personas. Siendo más específicos, en generar recomendaciones de restaurantes enfocados en las experiencias positivas del grupo en cuestión y de sus integrantes. Para ello se hace uso de las experiencias previas que tienen tanto en común como por separado los integrantes del grupo, enfocándose en las que han satisfecho a los usuarios, y descartando los restaurantes que no lo han hecho.
Para obtener los restaurantes, el algoritmo se enfoca en un filtro de recomendación social, obteniendo a los usuarios con los gustos más similares al grupo y generando una predicción de los restaurantes que más satisfarían a los integrantes. Con esto se busca cumplir los objetivos de satisfacer a un grupo entero generando las recomendaciones de la manera más sencilla para ellos.
A diferencia del resto de sistemas de recomendación, este se enfoca en recomendar cumpliendo las expectativas y gustos de más de una persona. Hasta el momento no existe ningún sistema que tenga este enfoque.
Para demostrar esto, he utilizado el dataset de la popular aplicación americana Yelp, que cuenta con los datos necesarios para poder llevar a cabo el proyecto y poner a prueba el algoritmo diseñado.
Abstract:
This Final Degree Project focuses on the development of a restaurant recommendation system for groups of people. More specifically, to generate restaurant recommendations focused on the positive experiences of the group in question and its members. To do this, it makes use of the previous experiences that the members of the group have both in common and separately, focusing on those that have satisfied the users, and discarding restaurants that have not.
To obtain the restaurants, the algorithm focuses on a social recommendation filter, obtaining the users with the most similar tastes to the group and generating a prediction of the restaurants that would most satisfy the members. This seeks to meet the objectives of satisfying an entire group by generating recommendations in the easiest way for them.
Unlike other recommender systems, this one focuses on making recommendations that meet the expectations and tastes of more than one person. So far there is no other system that has this approach.
To demonstrate this, I have used the dataset of the popular American application Yelp, which has the necessary data to carry out the project and test the designed algorithm. Read More
Related posts:
Estrategias coeducativas en un equipo de baloncesto
Propuesta de aplicación del modelo de educación deportiva
para la enseñanza del baloncesto
Teaching Games for Understanding y voleibol: cómo mejorar la motivación del alumnado de Educación Física de 4º ESO
‘All for one and one for all?’ Business angel groups as collective action
Modelo de simulación de un sistema de almacenamiento de información
La inclusión de los alumnos con TEA en las clases de Educación Física: la opinión de los docentes