Disseny, implementació i estudi d’un sistema recomanador de pel·lícules
Correu electrònic de l'autorarnauramon4gmail.com
Tipus de documentTreball Final de Grau
Data2021-02-04
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
En aquest Treball Final de Grau estudiarem la importància i rellevància dels sistemes recomanadors i veurem els diferents algorismes que utilitzen avui dia les grans companyies tecnològiques. L'ús dels sistemes recomanadors s’ha vist molt incrementat per l’enorme quantitat de productes i/o serveis que poden arribar a oferir les grans empreses que operen online. La primera empresa que ens ve al cap, inevitablement, és Amazon, que ofereix més de 12 milions de productes per vendre. Sense un bon sistema recomanador de productes i d’anuncis, es faria molt difícil que a un usuari se li recomanés justament el producte que vol comprar. Tot i que els algorismes recomanadors poden ser comuns i independents del que s'està recomanant (música, llibres, publicitat per vendre productes, articles, etc.), en aquest treball ens centrarem en un dels mercats emergents els darrers anys: les pel·lícules. Concretament, l’objectiu seran les pel·lícules ofertades per les plataformes de visualització digital, on ja es comú que tothom amb accés a Internet disposi d’almenys una subscripció a alguna d'aquestes plataformes (Netflix, HBO, Amazon Prime Video, Disney+, etc.). A més de l’estudi de l’estat de l’art actual, en aquest projecte dissenyarem i implementarem des de zero un sistema recomanador de pel·licules que disposarà d'una interfície en la que es mostraran els resultats que podrà veure el client o l’usuari final depenent de les seves preferències o del seu perfil d'usuari. Per tant, també caldrà catalogar a cada usuari dins d’un tipus o perfil concret. Per últim, també realitzarem una anàlisi de les dades obtingudes amb resultats reals, on es mesurarà l'impacte dels diferents paràmetres per determinar el rendiment dels algorismes usats, avaluar les diferències i treure’n conclusions. En este Trabajo Final de Grado estudiaremos la importancia y relevancia de los sistemas recomendadores y veremos los diferentes algoritmos que se utilizan hoy en día en las grandes compañías tecnológicas. El uso de los sistemas recomendadores se ha visto incrementado por la enorme cantidad de productos y/o servicios que pueden llegar a ofrecer las grandes empresas que operan online. La primera empresa que nos viene a la cabeza, inevitablemente, es Amazon, que ofrece más de 12 millones de productos en venta. Sin un buen sistema recomendador de productos y anuncios, se haría muy difícil que a un usuario se le recomiende justamente el producto que quiere comprar. Aunque los algoritmos recomendadores pueden ser comunes e independientes de lo que se está recomendando (música, libros, publicidad para vender productos, artículos, etc), en este trabajo nos centraremos en uno de los mercados emergentes en los últimos años: las películas. Concretamente, el objetivo serán las películas ofrecidas por las plataformas de visualización digital, donde ya es común que cualquier persona con acceso a Internet disponga de al menos una suscripción a alguna de estas plataformas (Netflix, HBO, Amazon Prime Video, Disney+,etc). Además del estudio del estado del arte actual, en este proyecto diseñaremos e implementaremos desde cero un sistema recomendador de películas que dispondrá de una interfaz en la que se mostraran resultados que podrá ver el cliente o usuario final depende de sus preferencias o de su perfil de usuario. Por tanto, también hará falta catalogar a cada usuario dentro de un tipo de perfil concreto. Por último, también realizaremos un análisis de los datos obtenidos con resultados reales, donde se medirá el impacto de los diferentes parámetros para determinar el rendimiento de los algoritmos usados, evaluar las diferencias y extraer conclusiones. In this Final Degree Project we will study the importance and relevance of the recommender systems and we will see the different algorithms that are used nowadays by the big tech companies. The use of the recommender systems has been greatly increased by the huge amount of products and services that the big companies that operate online offer. The first company that inevitably comes to mind is Amazon, that offers more than 12 million products to sell. Without a good product and ads recommender system, it would be too difficult for a user to be recommended exactly the product they want to buy. Although recommender algorithms can be common and independent of the item we are recommending (music, books, selling ads, articles,etc), in this project we will focus on the emergent market of these years: movies. Specifically, the goal will be the films offered by digital video platforms, where it is common for everyone with Internet access to have at least a subscription to one of these platforms (Netflix, HBO, Amazon Prime Video, Disney+,etc). In addition to the study of the current state of the art, in this project we will design and implement from scratch a film recommendation system that will have an interface that will show the results to the customers or the end users based on their preferences or their user profile. Therefore, each user must also be cataloged within a specific type or profile. FInally, we will also perform an analysis of the data obtained with real results, where the impact of the different parameters will be measured to determine the performance of the algorithms used, evaluate the differences and draw conclusions.
MatèriesRecommender systems (Information filtering), Machine learning, Sistemes recomanadors (Filtratge d'informació), Aprenentatge automàtic
TitulacióGRAU EN ENGINYERIA INFORMÀTICA (Pla 2018)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
memoria_Arnau_Ramon.pdf | Memòria | 2,574Mb | Visualitza/Obre | |
resum_Arnau_Ramon.pdf | Article | 347,0Kb | Visualitza/Obre |