RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMS

Descripción del Articulo

This work presents an alternative approach (Evolutionary Algorithms approach) to traditional treatment of Recommender Systems (RSs). The work examines genetic algorithms possibilities to offer adaptive characteristics to this systems trough learning. The main goal, in addition to give a general view...

Descripción completa

Detalles Bibliográficos
Autores: Velez-Langs, Oswaldo, Santos, Carlos
Formato: artículo
Fecha de Publicación:2006
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:Revistas - Universidad Nacional Mayor de San Marcos
Lenguaje:español
OAI Identifier:oai:ojs.csi.unmsm:article/5743
Enlace del recurso:https://revistasinvestigacion.unmsm.edu.pe/index.php/idata/article/view/5743
Nivel de acceso:acceso abierto
Materia:Collaborative information filtering
machine learning
evolutionary algorithms
adaptive user interfaces.
Filtrado colaborativo de la información
aprendizaje automático
algoritmos evolutivos
interfaces de usuario adaptativas.
id REVUNMSM_03254d7b50fbf08da1ccdfeecc437cd2
oai_identifier_str oai:ojs.csi.unmsm:article/5743
network_acronym_str REVUNMSM
network_name_str Revistas - Universidad Nacional Mayor de San Marcos
repository_id_str
spelling RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMSSistemas Recomendadores: Un enfoque desde los algoritmos genéticosVelez-Langs, OswaldoSantos, CarlosCollaborative information filteringmachine learningevolutionary algorithmsadaptive user interfaces.Filtrado colaborativo de la informaciónaprendizaje automáticoalgoritmos evolutivosinterfaces de usuario adaptativas.This work presents an alternative approach (Evolutionary Algorithms approach) to traditional treatment of Recommender Systems (RSs). The work examines genetic algorithms possibilities to offer adaptive characteristics to this systems trough learning. The main goal, in addition to give a general view about RSs capabilities and possibilities, it is to provide an example mechanism for to extend RSs learning capabilities (from users´s personal chracteristics), with the purpose to improve the effectiveness in the moment of to find recommendations and appropriate suggestions for particular individuals.El presente trabajo abarca un enfoque alternativo, desde los algoritmos evolutivos, a la manera tradicional en que se abordan los sistemas recomendadores (SR de aquí en adelante). Se examinan las posibilidades de los algoritmos genéticos para brindar características adaptativas a estos sistemas. Nuestro objetivo, además de proporcionar una panorámica informativa general sobre las posibilidades y potencialidades de los SR, es proveer mecanismos para que los SR sean capaces de aprender características personales desde los usuarios, con miras a mejorar la efectividad a la hora de encontrar recomendaciones y sugerencias apropiadas para un individuo en particular.Facultad de Ingeniería Industrial, Universidad Nacional Mayor de San Marcos2006-07-31info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistasinvestigacion.unmsm.edu.pe/index.php/idata/article/view/574310.15381/idata.v9i1.5743Industrial Data; Vol. 9 No. 1 (2006); 023-031Industrial Data; Vol. 9 Núm. 1 (2006); 023-0311810-99931560-9146reponame:Revistas - Universidad Nacional Mayor de San Marcosinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMspahttps://revistasinvestigacion.unmsm.edu.pe/index.php/idata/article/view/5743/4971Derechos de autor 2006 Oswaldo Velez-Langs, Carlos Santoshttps://creativecommons.org/licenses/by-nc-sa/4.0info:eu-repo/semantics/openAccessoai:ojs.csi.unmsm:article/57432020-06-11T22:43:02Z
dc.title.none.fl_str_mv RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMS
Sistemas Recomendadores: Un enfoque desde los algoritmos genéticos
title RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMS
spellingShingle RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMS
Velez-Langs, Oswaldo
Collaborative information filtering
machine learning
evolutionary algorithms
adaptive user interfaces.
Filtrado colaborativo de la información
aprendizaje automático
algoritmos evolutivos
interfaces de usuario adaptativas.
title_short RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMS
title_full RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMS
title_fullStr RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMS
title_full_unstemmed RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMS
title_sort RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMS
dc.creator.none.fl_str_mv Velez-Langs, Oswaldo
Santos, Carlos
author Velez-Langs, Oswaldo
author_facet Velez-Langs, Oswaldo
Santos, Carlos
author_role author
author2 Santos, Carlos
author2_role author
dc.subject.none.fl_str_mv Collaborative information filtering
machine learning
evolutionary algorithms
adaptive user interfaces.
Filtrado colaborativo de la información
aprendizaje automático
algoritmos evolutivos
interfaces de usuario adaptativas.
topic Collaborative information filtering
machine learning
evolutionary algorithms
adaptive user interfaces.
Filtrado colaborativo de la información
aprendizaje automático
algoritmos evolutivos
interfaces de usuario adaptativas.
description This work presents an alternative approach (Evolutionary Algorithms approach) to traditional treatment of Recommender Systems (RSs). The work examines genetic algorithms possibilities to offer adaptive characteristics to this systems trough learning. The main goal, in addition to give a general view about RSs capabilities and possibilities, it is to provide an example mechanism for to extend RSs learning capabilities (from users´s personal chracteristics), with the purpose to improve the effectiveness in the moment of to find recommendations and appropriate suggestions for particular individuals.
publishDate 2006
dc.date.none.fl_str_mv 2006-07-31
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://revistasinvestigacion.unmsm.edu.pe/index.php/idata/article/view/5743
10.15381/idata.v9i1.5743
url https://revistasinvestigacion.unmsm.edu.pe/index.php/idata/article/view/5743
identifier_str_mv 10.15381/idata.v9i1.5743
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistasinvestigacion.unmsm.edu.pe/index.php/idata/article/view/5743/4971
dc.rights.none.fl_str_mv Derechos de autor 2006 Oswaldo Velez-Langs, Carlos Santos
https://creativecommons.org/licenses/by-nc-sa/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Derechos de autor 2006 Oswaldo Velez-Langs, Carlos Santos
https://creativecommons.org/licenses/by-nc-sa/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Facultad de Ingeniería Industrial, Universidad Nacional Mayor de San Marcos
publisher.none.fl_str_mv Facultad de Ingeniería Industrial, Universidad Nacional Mayor de San Marcos
dc.source.none.fl_str_mv Industrial Data; Vol. 9 No. 1 (2006); 023-031
Industrial Data; Vol. 9 Núm. 1 (2006); 023-031
1810-9993
1560-9146
reponame:Revistas - Universidad Nacional Mayor de San Marcos
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str Revistas - Universidad Nacional Mayor de San Marcos
collection Revistas - Universidad Nacional Mayor de San Marcos
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1795238298611875840
score 13.95883
RECOMMENDER SYSTEMS: A FOCUS FROM THE GENETIC ALGORITHMS
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares