Comparación de técnicas de machine learning con un sistema de filtrado colaborativo utilizando revisiones de CDs y vinilos obtenidas de Amazon

Abstract

[Resumen]: En el contexto actual de una era en la que gran parte de la gente vive continuamente en línea, teniendo como grandes fuentes de entretenimiento diversas plataformas de streaming de contenido multimedia, y en la cual el comercio electrónico también juega un papel fundamental, los sistemas de recomendación se hacen hueco como una de las herramientas más importantes y utilizadas a la hora de mejorar la experiencia de los usuarios en estas plataformas. En este trabajo se hará un estudio y comparación de algunas de las técnicas utilizadas en el ámbito de estos sistemas, principalmente de aquellas basadas en filtrado colaborativo, implementando múltiples sistemas de recomendación en base a cada una de estas técnicas, y utilizando para ello datos de valoraciones de CDs y vinilos realizadas por usuarios de Amazon.

[Abstract]: In the current context of an era in which a significant portion of people are constantly living online, with various multimedia streaming platforms serving as major sources of entertainment, and with e-commerce playing also a key role, recommender systems are carving out their place as one of the most important and widely used tools for enhancing user experiences on these platforms. This work undertakes a comparative study on some of the techniques used within these systems, mainly focused on those based in collaborative filtering. Multiple recommender systems will be implemented according to each of these methods, taking for this purpose the vinyl records and CDs Amazon’s user ratings.