Plugin para el Cálculo de los K Vecinos más Cercanos para el Plugin de Recomendación por Filtrado Colaborativo de la Plataforma AGORAV

Abstract

Con el objetivo de brindarle a un usuario de la web la información que realmente le pudiera interesar, sin necesidad de una búsqueda trabajosa, surgen los sistemas de recomendación. La plataforma AGORAV es un sistema que se encarga de gestionar y publicar grandes volúmenes de archivos multimedia, contando con un sistema de recomendación que utiliza la técnica de filtrado colaborativo para generar las recomendaciones. Este sistema presenta como inconveniente, la utilización de una cantidad fija de usuarios con los cuales calcula la similitud respecto al usuario sobre el cual se desea generar una recomendación. La presente investigación surge a partir de la necesidad de encontrar las recomendaciones idóneas para un usuario, logrando un balance entre la precisión y el tiempo de respuesta de lo recomendado. El plugin desarrollado arroja una cantidad variable de usuarios con los cuales se busca la similitud respecto al actual, con el fin de generar una predicción sobre sus posibles preferencias. Además brinda la posibilidad de que se pueda desplegar en cualquier entorno logrando un balance entre la precisión y el tiempo de respuesta de las recomendaciones. La solución fue desarrollada haciendo uso del lenguaje C++ y la técnica del Agregado de Vecinos seleccionada de las diferentes soluciones existentes dentro de los Algoritmos para el Cálculo de la Vecindad.

Abstract With the aim of providing to a web user the information that could be really interesting, without a laborious search, arise recommendation systems. The AGORAV platform is a system that manages and publishes large volumes of multimedia files, with a recommendation system that uses collaborative filtering technique to generate recommendations. This system has the drawback, the use of a fixed number of users for which the similarity is calculated regarding the user which is to generate a recommendation. This research arises from the need to find the best recommendations for a user, achieving a balance between accuracy and response time about it was recommended. The plugin developed casts a variable number of users with which the similarity is sought from the current, in order to generate a prediction about the possible preferences. It also offers the possibility that it can be deployed in any environment achieving a balance between accuracy and time response of the recommendations. The solution was developed using the C ++ language and the technique selected was the adding neighbors from the different solutions within the existing algorithms for the calculation of the neighborhood neighbors.