Sistema de recomendación de contenidos audiovisuales: Algoritmo de inferencia semántica

Autores/as

  • J. Avila Universidad de Cuenca
  • K. Palacio-Baus
  • M. Espinoza-Mejía
  • V. Saquicela

Resumen

RESUMEN
Este artículo presenta el análisis de un Algoritmo de Inferencia Semántica utilizado en un Sistema de Recomendación de Contenidos Audiovisuales en el contexto de la Televisión Digital. Los resultados obtenidos muestran que la inclusión de diferentes propiedades semánticas y sus combinaciones, influye directamente en la reducción del error absoluto promedio obtenido en la predicción de la calificación otorgada por un usuario a un ítem determinado. Además se ha determinado que la propiedad Actor tiene un impacto mayor con respecto a otras propiedades analizadas.
Palabras clave: Televisión digital, sistemas de recomendación semánticos, Web semántica, propiedades semánticas, ontologías.

ABSTRACT
This article presents the analysis of a Semantic Inference Algorithm used in an Audiovisual Content Recommender System in the domain of Digital Television. The obtained results show that the inclusion of distinct semantic properties and their combinations lead to a considerable reduction of the Mean Absolute Error (MAE) obtained for user rating prediction computation and that the semantic property Actor has the major influence over recommendation estimation.
Keywords: Digital television, semantic recommender systems, Web semantic, semantic properties, ontologies.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Adomavicius G., A. Tuzhilin, 2005. Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge and Data Engineering, 17(6), 734-749.

Alulema D., 2012. La televisión digital terrestre en el ecuador es interactiva. EIDOS Universidad Tecnológica Equinoccial, (5), 12-19.

Ávila J., X. Riofrío, M. Espinoza-Mejía, V. Saquicela, K. Palacio-Baus, H. Albán, 2014a. Análisis de la influencia de las propiedades semánticas en los sistemas de recomendación. Revista Politécnica (EPN), 34(2), 68-76.

Ávila J., X. Riofrío, K. Palacio, 2014b. Sistema de recomendación de contenido para tv digital basado en ontologías. Tesis pregrado, Escuela de Ingeniería de Sistemas, Facultad de Ingeniería, Universidad de Cuenca, 136 pp.

Cantador I., A. Bellogín, P. Castells, 2008. A multilayer ontology-based hybrid recommendation model. AI Communications, 21(2), 203-210.

Codina V., L. Ceccaroni, 2010. Taking advantage of semantics in recommendation systems. In: Alquézar, R., A. Moreno, J. Aguilar-Martin (Eds.). IOS Press, CCIA, Frontiers in Artificial Intelligence and Applications, 210, 163-172.

Espinoza-Mejía, M., V. Saquicela, K. Palacio-Baus, H. Albán, 2014. Extracción de preferencias televisivas desde los perfiles de redes sociales. Revista Politécnica (EPN), 34(2), 66-74.

Fernández, Y.B., J.J. Pazos Arias, M.L. Nores, A.G. Solla, M.R. Cabrer, 2006. Avatar: An improved solution for personalized tv based on semantic inference. IEEE Transactions on Consumer Electronics, 52(1), 223-231.

Herlocker J., J. Konstan, 2014. Movielens dataset. Disponible en http://files.grouplens.org/datasets/ movielens/ml-100k-README.txt.

Kantor, P.B., L. Rokach, F. Ricci, B. Shapira, 2011. Recommender systems handbook. Springer, 842 pp.

Lopez-Nores, M., Y. Blanco-Fernandez, J.J. Pazos-Arias, R.P. Díaz-Redondo, 2010. Property-based collaborative filtering: A new paradigm for semantics-based, health-aware recommender systems. IEEE 5th International Workshop on Semantic Media Adaptation and Personalization (SMAP), 98-103 pp.

Martin, A., 2006. Older adulthood, education and social change (Australia, New Zealand). PhD thesis, ResearchSpace Auckland. Disponible en https://researchspace.auckland.ac.nz/ handle/2292/88. 323 pp.

Nakahara, S., S. Moriyama, T. Kuroda, M. Sasaki, S. Yamazaki, O. Yamada, 1996. Efficient use of frequencies in terrestrial isdb system. IEEE Transactions on Broadcasting, 42(3), 173-178.

Rodríguez, J.E.R., E.A.R. Blanco, R.O.F. Camacho, 2013. Clasificación de datos usando el método k-nn. Vínculos, 4(1), 4-18.

Saquicela, V., M. Espinoza-Mejía, K. Palacio-Baus, H. Albán, 2014. Enriching electronic program guides using semantic technologies and external resources. Computing Conference (CLEI), XL Latin American, 8 pp.

Scuoteguazza, A., M. Juayek, 2012. Evaluación de sistemas recomendadores de contenidos audiovisuales basados en técnicas inteligentes. Universidad de Montevideo, Montevideo, Uruguay.

Sotelo, R., M. Juayek, A. Scuoteguazza, 2013. A comparison of audiovisual content recommender systems performance: Collaborative vs. semantic approaches. IEEE International Symposium on Broadband Multimedia Systems and Broadcasting (BMSB), 5 pp.

Superintendencia de Telecomunicaciones, 2010. Informe para la definición e implementación de la televisión digital terrestre en el Ecuador. Disponible en http://www.supertel.gob.ec/pdf/ publicaciones/informe_tdt_mar26_2010.pdf, 108 pp.

Yu, K., A. Schwaighofer, V. Tresp, X. Xu, H.-P. Kriegel, 2004. Probabilistic memory-based collaborative filtering. IEEE Transactions on Knowledge and Data Engineering, 16(1), 56-69.

Descargas

Publicado

2016-04-25

Cómo citar

Avila, J., Palacio-Baus, K., Espinoza-Mejía, M., & Saquicela, V. (2016). Sistema de recomendación de contenidos audiovisuales: Algoritmo de inferencia semántica. Maskana, 5(Ed. Esp.). Recuperado a partir de https://publicaciones.ucuenca.edu.ec/ojs/index.php/maskana/article/view/728