Mapas gráficos para la visualización de relaciones en sistemas de recomendación

La presente tesis doctoral tiene como objetivo el diseñar un modelo de inferencia visual y sencillo que permita a los usuarios no registrados en un sistema de recomendación inferir por ellos mismos las recomendaciones a partir de sus gustos. Este modelo estará basado en la representación de las relaciones de similaridad entre los ítems. Estas representaciones visuales (que llamaremos mapas gráficos), nos muestran en que lugar se encuentran los ítems más representativos y que ítems son votados de una manera más parecida en función de los votos emitidos por los usuarios del sistema de recomendación. Los mapas gráficos obtenidos, toman la forma de los árboles filogenéticos (que son árboles que muestran las relaciones evolutivas entre varias especies), que muestran la similitud numérica entre cada par de ítems que se consideran similares. Como caso de estudio se muestran en este trabajo los resultados obtenidos utilizando la base de datos de MovieLens 1M, que contiene 3900 películas (ítems). ABSTRACT The present PhD thesis has the objective of designing a visual and simple inference model that allow users, who are not registered in a recommendation system, to infer by themselves the recommendations from their tastes. This model will be based on the representation of relations of similarity between items. These visual representations (called graphical maps) show us where the most representative items are, and items are voted in a similar way based on the votes cast by users of the recommendation system. The obtained graphs maps take form of phylogenetic trees (which are trees that show the evolutionary relationships among various species), that give you an idea about the numeric similarity between each pair of items that are considered similar. As a case study we provide the results obtained using the public database Movielens 1M, which contains 3900 movies.

Proactividad y contextualización: futuro del diseño de sistemas recomendadores

En el entorno tecnosocial actual la importancia de ofrecer contenidos personalizados a los usuarios de las diferentes plataformas sociales existentes, que se ajusten a sus necesidades en cada momento, es un factor clave para el éxito de las mismas. Los sistemas recomendadores juegan un papel crucial, pero en muchos casos su nivel de personalización es escaso o demasiado generalista. Se analizan dos aspectos claves para la evolución de estos sistemas: la proactividad y la contextualización. Se propone un modelo teórico de referencia para la creación de sistemas de recomendación proactivos basados en información contextual, y se comprueba su viabilidad en dos escenarios reales donde han sido implementados con éxito: el bancario y el de las redes personales de aprendizaje. Finalmente se destacan líneas de actuación futuras siguiendo las aportaciones expuestas con especial atención a su aplicación en entornos educativos.

Búsqueda colaborativa para el apoyo a la recomendación de Objetos de Aprendizaje

Este trabajo propone un marco para la búsqueda, selección, valoración y recomendación tanto individual como en grupo de objetos de aprendizaje implementado dentro del sistema de recomendación hibrido DELPHOS. Para facilitar la búsqueda colaborativa se utilizan varias aproximaciones de creación de grupos. También se van a facilitar varias funciones colaborativas como la calificación, el etiquetado y la posibilidad de comentar los objetos. Finalmente se proporcionan varias actividades sociales para poder añadir o recomendar objetos a un grupo, visualizar y calificar objetos añadidos por otros usuarios del grupo, y comunicarse mediante chat o correo electrónico con otros miembros del mismo para llegar a tomar decisiones sobre los objetos más adecuados para los intereses del grupo.

Una aproximación a la recomendación de artículos científicos según su grado de especificidad

En este artículo se presenta un método para recomendar artículos científicos teniendo en cuenta su grado de generalidad o especificidad. Este enfoque se basa en la idea de que personas menos expertas en un tema preferirían leer artículos más generales para introducirse en el mismo, mientras que personas más expertas preferirían artículos más específicos. Frente a otras técnicas de recomendación que se centran en el análisis de perfiles de usuario, nuestra propuesta se basa puramente en el análisis del contenido. Presentamos dos aproximaciones para recomendar artículos basados en el modelado de tópicos (Topic Modelling). El primero de ellos se basa en la divergencia de tópicos que se dan en los documentos, mientras que el segundo se basa en la similitud que se dan entre estos tópicos. Con ambas medidas se consiguió determinar lo general o específico de un artículo para su recomendación, superando en ambos casos a un sistema de recuperación de información tradicional.

Motor de recomendación construido sobre implicaciones

Este Trabajo Fin de Grado (TFG) tiene como objetivo la creación de un framework para su uso en sistemas de recomendación. Se ha realizado por dos personas en la modalidad de trabajo en equipo. Las tareas de este TFG están divididas en dos partes, una realizada conjuntamente y la otra de manera individual. La parte conjunta se centra en construir un sistema que sea capaz de, a partir de comentarios y opiniones sobre puntos de interés (POIs) y haciendo uso de la herramienta de procesamiento de lenguaje natural AlchemyAPI, construir contextos formales y contextos formales multivaluados. Para crear este último es necesario hacer uso de ontologías. El context formal multivaluado es el punto de partida de la segunda parte (individual), que consistirá en, haciendo uso del contexto multivaluado, obtener un conjunto de dependencias funcionales mediante la implementación en Java del algoritmo FDMine. Estas dependencias podrán ser usados en un motor de recomendación. El sistema se ha implementado como una aplicación web Java EE versión 6 y una API para trabajar con contextos formales multivaluados. Para el desarrollo web se han empleado tecnologías actuales como Spring y jQuery. Este proyecto se presenta como un trabajo inicial en el que se expondrán, además del sistema construido, diversos problemas relacionados con la creacion de conjuntos de datos validos. Por último, también se propondrán líneas para futuros TFGs.

The sector of olive-oil cooperatives and the use of ICT: A comparative study regarding othe legal forms

The current global environment and the general increase in the spread and use of Information Technology and Communication (ICT) by companies and consumers, make the use of these technologies as essential to confront the growing competition in the market. Focused on this sector, in this research we analyze the use of electronic commerce, as through websites as through electronic markets, and the use of social networking tools as enablers of business. For this aim, we conducted a comparative analysis between the Andalusian olive oil cooperatives and other legal forms which are present in the sector.

Aplicación de métodos de diseño centrado en el usuario y minería de datos para definir recomendaciones que promuevan el uso del foro en una experiencia virtual de aprendizaje.

Monográfico con el título: 'Adaptación y accesibilidad de las tecnologías para el aprendizaje'. Resumen basado en el de la publicación

Methodology to obtain the user's Human Values Scale from Smart User Models

En años recientes,la Inteligencia Artificial ha contribuido a resolver problemas encontrados en el desempeño de las tareas de unidades informáticas, tanto si las computadoras están distribuidas para interactuar entre ellas o en cualquier entorno (Inteligencia Artificial Distribuida). Las Tecnologías de la Información permiten la creación de soluciones novedosas para problemas específicos mediante la aplicación de los hallazgos en diversas áreas de investigación. Nuestro trabajo está dirigido a la creación de modelos de usuario mediante un enfoque multidisciplinario en los cuales se emplean los principios de la psicología, inteligencia artificial distribuida, y el aprendizaje automático para crear modelos de usuario en entornos abiertos; uno de estos es la Inteligencia Ambiental basada en Modelos de Usuario con funciones de aprendizaje incremental y distribuido (conocidos como Smart User Model). Basándonos en estos modelos de usuario, dirigimos esta investigación a la adquisición de características del usuario importantes y que determinan la escala de valores dominantes de este en aquellos temas en los cuales está más interesado, desarrollando una metodología para obtener la Escala de Valores Humanos del usuario con respecto a sus características objetivas, subjetivas y emocionales (particularmente en Sistemas de Recomendación).Una de las áreas que ha sido poco investigada es la inclusión de la escala de valores humanos en los sistemas de información. Un Sistema de Recomendación, Modelo de usuario o Sistemas de Información, solo toman en cuenta las preferencias y emociones del usuario [Velásquez, 1996, 1997; Goldspink, 2000; Conte and Paolucci, 2001; Urban and Schmidt, 2001; Dal Forno and Merlone, 2001, 2002; Berkovsky et al., 2007c]. Por lo tanto, el principal enfoque de nuestra investigación está basado en la creación de una metodología que permita la generación de una escala de valores humanos para el usuario desde el modelo de usuario. Presentamos resultados obtenidos de un estudio de casos utilizando las características objetivas, subjetivas y emocionales en las áreas de servicios bancarios y de restaurantes donde la metodología propuesta en esta investigación fue puesta a prueba.En esta tesis, las principales contribuciones son: El desarrollo de una metodología que, dado un modelo de usuario con atributos objetivos, subjetivos y emocionales, se obtenga la Escala de Valores Humanos del usuario. La metodología propuesta está basada en el uso de aplicaciones ya existentes, donde todas las conexiones entre usuarios, agentes y dominios que se caracterizan por estas particularidades y atributos; por lo tanto, no se requiere de un esfuerzo extra por parte del usuario.

Contribution to proactivity in mobile context-aware recommender systems

Los sistemas de recomendación son potentes herramientas de filtrado de información que permiten a usuarios solicitar sugerencias sobre ítems que cubran sus necesidades. Tradicionalmente estas recomendaciones han estado basadas en opiniones de los mismos, así como en datos obtenidos de su consumo histórico o comportamiento en el propio sistema. Sin embargo, debido a la gran penetración y uso de los dispositivos móviles en nuestra sociedad, han surgido nuevas oportunidades en el campo de los sistemas de recomendación móviles gracias a la información contextual que se puede obtener sobre la localización o actividad de los usuarios. Debido a este estilo de vida en el que todo tiende a la movilidad y donde los usuarios están plenamente interconectados, la información contextual no sólo es física, sino que también adquiere una dimensión social. Todo esto ha dado lugar a una nueva área de investigación relacionada con los Sistemas de Recomendación Basados en Contexto (CARS) móviles donde se busca incrementar el nivel de personalización de las recomendaciones al usar dicha información. Por otro lado, este nuevo escenario en el que los usuarios llevan en todo momento un terminal móvil consigo abre la puerta a nuevas formas de recomendar. Sustituir el tradicional patrón de uso basado en petición-respuesta para evolucionar hacia un sistema proactivo es ahora posible. Estos sistemas deben identificar el momento más adecuado para generar una recomendación sin una petición explícita del usuario, siendo para ello necesario analizar su contexto. Esta tesis doctoral propone un conjunto de modelos, algoritmos y métodos orientados a incorporar proactividad en CARS móviles, a la vez que se estudia el impacto que este tipo de recomendaciones tienen en la experiencia de usuario con el fin de extraer importantes conclusiones sobre "qué", "cuándo" y "cómo" se debe notificar proactivamente. Con este propósito, se comienza planteando una arquitectura general para construir CARS móviles en escenarios sociales. Adicionalmente, se propone una nueva forma de representar el proceso de recomendación a través de una interfaz REST, lo que permite crear una arquitectura independiente de dispositivo y plataforma. Los detalles de su implementación tras su puesta en marcha en el entorno bancario español permiten asimismo validar el sistema construido. Tras esto se presenta un novedoso modelo para incorporar proactividad en CARS móviles. Éste muestra las ideas principales que permiten analizar una situación para decidir cuándo es apropiada una recomendación proactiva. Para ello se presentan algoritmos que establecen relaciones entre lo propicia que es una situación y cómo esto influye en los elementos a recomendar. Asimismo, para demostrar la viabilidad de este modelo se describe su aplicación a un escenario de recomendación para herramientas de creación de contenidos educativos. Siguiendo el modelo anterior, se presenta el diseño e implementación de nuevos interfaces móviles de usuario para recomendaciones proactivas, así como los resultados de su evaluación entre usuarios, lo que aportó importantes conclusiones para identificar cuáles son los factores más relevantes a considerar en el diseño de sistemas proactivos. A raíz de los resultados anteriores, el último punto de esta tesis presenta una metodología para calcular cuán apropiada es una situación de cara a recomendar de manera proactiva siguiendo el modelo propuesto. Como conclusión, se describe la validación llevada a cabo tras la aplicación de la arquitectura, modelo de recomendación y métodos descritos en este trabajo en una red social de aprendizaje europea. Finalmente, esta tesis discute las conclusiones obtenidas a lo largo de la extensa investigación llevada a cabo, y que ha propiciado la consecución de una buena base teórica y práctica para la creación de sistemas de recomendación móviles proactivos basados en información contextual. ABSTRACT Recommender systems are powerful information filtering tools which offer users personalized suggestions about items whose aim is to satisfy their needs. Traditionally the information used to make recommendations has been based on users’ ratings or data on the item’s consumption history and transactions carried out in the system. However, due to the remarkable growth in mobile devices in our society, new opportunities have arisen to improve these systems by implementing them in ubiquitous environments which provide rich context-awareness information on their location or current activity. Because of this current all-mobile lifestyle, users are socially connected permanently, which allows their context to be enhanced not only with physical information, but also with a social dimension. As a result of these novel contextual data sources, the advent of mobile Context-Aware Recommender Systems (CARS) as a research area has appeared to improve the level of personalization in recommendation. On the other hand, this new scenario in which users have their mobile devices with them all the time offers the possibility of looking into new ways of making recommendations. Evolving the traditional user request-response pattern to a proactive approach is now possible as a result of this rich contextual scenario. Thus, the key idea is that recommendations are made to the user when the current situation is appropriate, attending to the available contextual information without an explicit user request being necessary. This dissertation proposes a set of models, algorithms and methods to incorporate proactivity into mobile CARS, while the impact of proactivity is studied in terms of user experience to extract significant outcomes as to "what", "when" and "how" proactive recommendations have to be notified to users. To this end, the development of this dissertation starts from the proposal of a general architecture for building mobile CARS in scenarios with rich social data along with a new way of managing a recommendation process through a REST interface to make this architecture multi-device and cross-platform compatible. Details as regards its implementation and evaluation in a Spanish banking scenario are provided to validate its usefulness and user acceptance. After that, a novel model is presented for proactivity in mobile CARS which shows the key ideas related to decide when a situation warrants a proactive recommendation by establishing algorithms that represent the relationship between the appropriateness of a situation and the suitability of the candidate items to be recommended. A validation of these ideas in the area of e-learning authoring tools is also presented. Following the previous model, this dissertation presents the design and implementation of new mobile user interfaces for proactive notifications. The results of an evaluation among users testing these novel interfaces is also shown to study the impact of proactivity in the user experience of mobile CARS, while significant factors associated to proactivity are also identified. The last stage of this dissertation merges the previous outcomes to design a new methodology to calculate the appropriateness of a situation so as to incorporate proactivity into mobile CARS. Additionally, this work provides details about its validation in a European e-learning social network in which the whole architecture and proactive recommendation model together with its methods have been implemented. Finally, this dissertation opens up a discussion about the conclusions obtained throughout this research, resulting in useful information from the different design and implementation stages of proactive mobile CARS.

Improving Collaborative Filtering Based Recommender Systems Using Pareto Dominance

Los sistemas de recomendación son un tipo de solución al problema de sobrecarga de información que sufren los usuarios de los sitios web en los que se pueden votar ciertos artículos. El sistema de recomendación de filtrado colaborativo es considerado como el método con más éxito debido a que sus recomendaciones se hacen basándose en los votos de usuarios similares a un usuario activo. Sin embargo, el método de filtrado de colaboración tradicional selecciona usuarios insuficientemente representativos como vecinos de cada usuario activo. Esto significa que las recomendaciones hechas a posteriori no son lo suficientemente precisas. El método propuesto en esta tesis realiza un pre-filtrado del proceso, mediante el uso de dominancia de Pareto, que elimina los usuarios menos representativos del proceso de selección k-vecino y mantiene los más prometedores. Los resultados de los experimentos realizados en MovieLens y Netflix muestran una mejora significativa en todas las medidas de calidad estudiadas en la aplicación del método propuesto. ABSTRACTRecommender systems are a type of solution to the information overload problem suffered by users of websites on which they can rate certain items. The Collaborative Filtering Recommender System is considered to be the most successful approach as it make its recommendations based on votes of users similar to an active user. Nevertheless, the traditional collaborative filtering method selects insufficiently representative users as neighbors of each active user. This means that the recommendations made a posteriori are not precise enough. The method proposed in this thesis performs a pre-filtering process, by using Pareto dominance, which eliminates the less representative users from the k-neighbor selection process and keeps the most promising ones. The results from the experiments performed on Movielens and Netflix show a significant improvement in all the quality measures studied on applying the proposed method.

Incorporating Group Recommendations to Recommender Systems: Alternatives and Performance

La importancia de los sistemas de recomendación ha experimentado un crecimiento exponencial como consecuencia del auge de las redes sociales. En esta tesis doctoral presentaré una amplia visión sobre el estado del arte de los sistemas de recomendación. Incialmente, estos estaba basados en fitrado demográfico, basado en contendio o colaborativo. En la actualidad, estos sistemas incorporan alguna información social al proceso de recomendación. En el futuro utilizarán información implicita, local y personal proveniente del Internet de las cosas. Los sistemas de recomendación basados en filtrado colaborativo se pueden modificar con el fin de realizar recomendaciones a grupos de usuarios. Existen trabajos previos que han incluido estas modificaciones en diferentes etapas del algoritmo de filtrado colaborativo: búsqueda de los vecinos, predicción de las votaciones y elección de las recomendaciones. En esta tesis doctoral proporcionaré un nuevo método que realizar el proceso de unficación (pasar de varios usuarios a un grupo) en el primer paso del algoritmo de filtrado colaborativo: cálculo de la métrica de similaridad. Proporcionaré una formalización completa del método propuesto. Explicaré cómo obtener el conjunto de k vecinos del grupo de usuarios y mostraré cómo obtener recomendaciones usando dichos vecinos. Asimismo, incluiré un ejemplo detallando cada paso del método propuesto en un sistema de recomendación compuesto por 8 usuarios y 10 items. Las principales características del método propuesto son: (a) es más rápido (más eficiente) que las alternativas proporcionadas por otros autores, y (b) es al menos tan exacto y preciso como otras soluciones estudiadas. Para contrastar esta hipótesis realizaré varios experimentos que miden la precisión, la exactitud y el rendimiento del método. Los resultados obtenidos se compararán con los resultados de otras alternativas utilizadas en la recomendación de grupos. Los experimentos se realizarán con las bases de datos de MovieLens y Netflix. ABSTRACT The importance of recommender systems has grown exponentially with the advent of social networks. In this PhD thesis I will provide a wide vision about the state of the art of recommender systems. They were initially based on demographic, contentbased and collaborative filtering. Currently, these systems incorporate some social information to the recommendation process. In the future, they will use implicit, local and personal information from the Internet of Things. As we will see here, recommender systems based on collaborative filtering can be used to perform recommendations to group of users. Previous works have made this modification in different stages of the collaborative filtering algorithm: establishing the neighborhood, prediction phase and determination of recommended items. In this PhD thesis I will provide a new method that carry out the unification process (many users to one group) in the first stage of the collaborative filtering algorithm: similarity metric computation. I will provide a full formalization of the proposed method. I will explain how to obtain the k nearest neighbors of the group of users and I will show how to get recommendations using those users. I will also include a running example of a recommender system with 8 users and 10 items detailing all the steps of the method I will present. The main highlights of the proposed method are: (a) it will be faster (more efficient) that the alternatives provided by other authors, and (b) it will be at least as precise and accurate as other studied solutions. To check this hypothesis I will conduct several experiments measuring the accuracy, the precision and the performance of my method. I will compare these results with the results generated by other methods of group recommendation. The experiments will be carried out using MovieLens and Netflix datasets.

Diseño de una red multinivel de conocimiento certificado y su aplicación a la enseñanza universitaria

En la investigación en e-Learning existe un interés especial en la adaptación de los objetos de aprendizaje al estudiante, que se puede realizar por distintos caminos: considerando el perfil del estudiante, los estilos de aprendizaje, estableciendo rutas de aprendizaje, a través de la tutoría individualizada o utilizando sistemas de recomendación. Aunque se han realizado avances en estas facetas de la adaptación, los enfoques existentes aportan soluciones para un entorno específico, sin que exista una orientación que resuelva la adaptación con una perspectiva más genérica, en el contexto de los objetos de aprendizaje y de la enseñanza. Esta tesis, con la propuesta de una “red multinivel de conocimiento certificado” aborda la adaptación a los perfiles de los estudiantes, asume la reutilización de los objetos de aprendizaje e introduce la certificación de los contenidos, sentando las bases de lo que podría ser una solución global al aprendizaje. La propuesta se basa en reestructurar los contenidos en forma de red, en establecer distintos niveles de detalle para los contenidos de cada nodo de la red, para facilitar la adaptación a los conocimientos previos del estudiante, y en certificar los contenidos con expertos. La “red multinivel” se implementa en una asignatura universitaria de grado, integrándola en los apuntes, y se aplica a la enseñanza. La validación de la propuesta se realiza desde cuatro perspectivas: en las dos primeras, se realiza un análisis estadístico para calcular la tasa de aceptación y se aplica un modelo TAM, extrayendo los datos para realizar el análisis de una encuesta que cumplimentan los alumnos; en las otras dos, se analizan las calificaciones académicas y las encuestas de opinión sobre la docencia. Se obtiene una tasa de aceptación del 81% y se confirman el 90% de las hipótesis del modelo TAM, se mejoran las calificaciones en un 21% y las encuestas de opinión en un 9%, lo que valida la propuesta y su aplicación a la enseñanza. ABSTRACT E-Learning research holds a special interest in the adaptation of learning objects to the student, which can be performed in different ways: taking into account the student profile or learning styles, by establishing learning paths, through individualized tutoring or using recommender systems. Although progress has been made in these types of adaptation, existing approaches provide solutions for a specific environment without an approach that addresses the adaptation from a more general perspective, that is, in the context of learning objects and teaching. This thesis, with the proposal of a “certified knowledge multilevel network”, focuses on adapting to the student profile, it is based on the reuse of learning objects and introduces the certification of the contents, laying the foundations for what could be a global solution to learning. The proposal is based on restructuring the contents on a network setting different levels of depth in the contents of each node of the network to facilitate adaptation to the student’s background, and certify the contents with experts. The multilevel network is implemented in a university degree course, integrating it into the notes, and applied to teaching. The validation of the proposal is made from four perspectives: the first two, a statistical analysis is performed to calculate the rate of acceptance and the TAM model is applied, extracting data for analysis of a questionnaire-based survey completed by the students; the other two, academic qualifications and surveys about teaching are analyzed. The acceptance rate is 81%, 90% of TAM model assumptions are confirmed, academic qualifications are improved 21% and opinion survey 9%, which validates the proposal and its application to teaching.

Olétrip : planificación dinámica de planes de ocio

En la actualidad, como consecuencia de los avances tecnológicos, hay una gran cantidad de sistemas de recomendación que proporcionan demasiada sobreinformación, y, sobre todo, los dedicados al sector turístico y de ocio, que cada vez están más en auge, y las personas recurren cada vez más a ellos para organizar planes, individuales o grupales. Sin embargo, sólo muestran información estática y no acorde con las preferencias de usuario, además de no poder ofrecer recomendaciones para grupos. Olétrip surge como un sistema que permite la elaboración de planes de ocio individuales y/o grupales en la comunidad autónoma de Andalucía (España), basados en preferencias de usuario, y retroalimentación de todos los participantes en él. Llegando a conseguir el plan idóneo para todos. Olétrip se ha diseñado e implementado mediante una serie de servicios REST, donde se recabarán datos de preferencias de viaje de los usuarios, retroalimentación de las diferentes actividades, etc., y así conseguir recomendar el plan deseado por el usuario. Para probar el uso de estos servicios, se ha diseñado una interfaz web, independiente del sistema, implementada con tecnologías idóneas para tal fin, HTML y JavaScript, así como una evaluación con usuarios, para poder conocer el grado de usabilidad de la web, y los servicios que ofrece. Además, se han explorado, analizado, y diseñado algoritmos que han permitido ofrecer una ruta final idónea. Por lo tanto, se describirá como se ha llevado a cabo el proceso de elaboración del sistema, así como la implementación de los algoritmos, los resultados y conclusiones obtenidas tras todo el desarrollo.

Modelado de sistemas multimedia para personalización y recomendación híbrida a partir del consumo audiovisual de los usuarios

This doctoral thesis focuses on the modeling of multimedia systems to create personalized recommendation services based on the analysis of users’ audiovisual consumption. Research is focused on the characterization of both users’ audiovisual consumption and content, specifically images and video. This double characterization converges into a hybrid recommendation algorithm, adapted to different application scenarios covering different specificities and constraints. Hybrid recommendation systems use both content and user information as input data, applying the knowledge from the analysis of these data as the initial step to feed the algorithms in order to generate personalized recommendations. Regarding the user information, this doctoral thesis focuses on the analysis of audiovisual consumption to infer implicitly acquired preferences. The inference process is based on a new probabilistic model proposed in the text. This model takes into account qualitative and quantitative consumption factors on the one hand, and external factors such as zapping factor or company factor on the other. As for content information, this research focuses on the modeling of descriptors and aesthetic characteristics, which influence the user and are thus useful for the recommendation system. Similarly, the automatic extraction of these descriptors from the audiovisual piece without excessive computational cost has been considered a priority, in order to ensure applicability to different real scenarios. Finally, a new content-based recommendation algorithm has been created from the previously acquired information, i.e. user preferences and content descriptors. This algorithm has been hybridized with a collaborative filtering algorithm obtained from the current state of the art, so as to compare the efficiency of this hybrid recommender with the individual techniques of recommendation (different hybridization techniques of the state of the art have been studied for suitability). The content-based recommendation focuses on the influence of the aesthetic characteristics on the users. The heterogeneity of the possible users of these kinds of systems calls for the use of different criteria and attributes to create effective recommendations. Therefore, the proposed algorithm is adaptable to different perceptions producing a dynamic representation of preferences to obtain personalized recommendations for each user of the system. The hypotheses of this doctoral thesis have been validated by conducting a set of tests with real users, or by querying a database containing user preferences - available to the scientific community. This thesis is structured based on the different research and validation methodologies of the techniques involved. In the three central chapters the state of the art is studied and the developed algorithms and models are validated via self-designed tests. It should be noted that some of these tests are incremental and confirm the validation of previously discussed techniques. Resumen Esta tesis doctoral se centra en el modelado de sistemas multimedia para la creación de servicios personalizados de recomendación a partir del análisis de la actividad de consumo audiovisual de los usuarios. La investigación se focaliza en la caracterización tanto del consumo audiovisual del usuario como de la naturaleza de los contenidos, concretamente imágenes y vídeos. Esta doble caracterización de usuarios y contenidos confluye en un algoritmo de recomendación híbrido que se adapta a distintos escenarios de aplicación, cada uno de ellos con distintas peculiaridades y restricciones. Todo sistema de recomendación híbrido toma como datos de partida tanto información del usuario como del contenido, y utiliza este conocimiento como entrada para algoritmos que permiten generar recomendaciones personalizadas. Por la parte de la información del usuario, la tesis se centra en el análisis del consumo audiovisual para inferir preferencias que, por lo tanto, se adquieren de manera implícita. Para ello, se ha propuesto un nuevo modelo probabilístico que tiene en cuenta factores de consumo tanto cuantitativos como cualitativos, así como otros factores de contorno, como el factor de zapping o el factor de compañía, que condicionan la incertidumbre de la inferencia. En cuanto a la información del contenido, la investigación se ha centrado en la definición de descriptores de carácter estético y morfológico que resultan influyentes en el usuario y que, por lo tanto, son útiles para la recomendación. Del mismo modo, se ha considerado una prioridad que estos descriptores se puedan extraer automáticamente de un contenido sin exigir grandes requisitos computacionales y, de tal forma que se garantice la posibilidad de aplicación a escenarios reales de diverso tipo. Por último, explotando la información de preferencias del usuario y de descripción de los contenidos ya obtenida, se ha creado un nuevo algoritmo de recomendación basado en contenido. Este algoritmo se cruza con un algoritmo de filtrado colaborativo de referencia en el estado del arte, de tal manera que se compara la eficiencia de este recomendador híbrido (donde se ha investigado la idoneidad de las diferentes técnicas de hibridación del estado del arte) con cada una de las técnicas individuales de recomendación. El algoritmo de recomendación basado en contenido que se ha creado se centra en las posibilidades de la influencia de factores estéticos en los usuarios, teniendo en cuenta que la heterogeneidad del conjunto de usuarios provoca que los criterios y atributos que condicionan las preferencias de cada individuo sean diferentes. Por lo tanto, el algoritmo se adapta a las diferentes percepciones y articula una metodología dinámica de representación de las preferencias que permite obtener recomendaciones personalizadas, únicas para cada usuario del sistema. Todas las hipótesis de la tesis han sido debidamente validadas mediante la realización de pruebas con usuarios reales o con bases de datos de preferencias de usuarios que están a disposición de la comunidad científica. La diferente metodología de investigación y validación de cada una de las técnicas abordadas condiciona la estructura de la tesis, de tal manera que los tres capítulos centrales se estructuran sobre su propio estudio del estado del arte y los algoritmos y modelos desarrollados se validan mediante pruebas autónomas, sin impedir que, en algún caso, las pruebas sean incrementales y ratifiquen la validación de técnicas expuestas anteriormente.

Evaluación ex-ante del mejoramiento de los sistemas de producción ganadero de doble propósito a través de inversiones propuestas por los mismos ganaderos en la zona de Muy Muy, Matagalpa

El presente trabajo se realizó con el objetivo de evaluar exante la factibilidad técnica y financiera de inversiones propuestas por los mismos ganaderos en la zona de Muy muy, Matagalpa. El estudio se llevó a cabo en dos fases: Una fase preliminar de diagnóstico, en la que se determinó, la disponibilidad y uso actual de los recursos en las fincas, así como las propuestas planteadas por los productores, comprendiéndose en una sub-fase de ésta etapa preliminar un diagnóstico de las características generales de los canales de comercialización y precios de los productos agropecuarios generados por la actividad ganadera de la zona. La segunda fase comprendió el procesamiento y computación de la información. La información relativa a los recursos, se procesó para cada una de las fincas y en base a ello, se estimaron los diferentes parámetros técnicos y elementos fuentes de ingresos y egresos, elaborándose también las diferentes proyecciones de hato por finca, así mismo de disponibilidades de pastos, mano de obra e insumos. Para efectos de analizar tanto el uso eficiente de las pasturas como de los resultados financieros, las fincas se agruparon en cuatro dominios de recomendación en función de sus áreas. En los aspectos técnicos se determinó que la actividad de las fincas es la ganadería ya que en promedio, el 82.33% de las áreas totales por finca se destina a esta actividad, ocupando los pastos mejorados en promedio el 67.44% y un promedio de 32.56% los pastos naturales. Con el proyecto el área ganadera se incrementa en un promedio de 2.46%, pasando a representar los pastos mejorados un promedio de 92.65% y el natural el 7.35%, reduciéndose éste último en un promedio de 25.21%. Las cargas animales encontradas fluctuaron en un rango de 18.6 U.A./mz. a 268.3 U.A./mz. siendo éste en cinco de las nueve fincas superiores a las disponibilidades que resultan por tanto negativas en un rango de -36.3 a -3.8 U.A., con el proyecto las cargas animales se incrementan a valores comprendidos entre 54.2 y 456.5 U.A., resultando sin embargo las disponibilidades positivas en seis de las nueve fincas para el año décimo del proyecto en un rango comprendido entre +2.5 a +16.2 U.A., a excepción de tres fincas en las cuales los déficit reflejan valores entre -2.6 y -43.1 U.A. En lo que se refiere a los niveles de eficiencia en el aprovechamiento de las pasturas, las fincas La Palma y El Castaño resultaron ser las más eficientes, manteniendo sus niveles de aprovechamiento próximo al nivel óptimo de manera en periodo de años más prolongados. El número de cabezas de ganado encontrado por finca, fluctuó entre 20 y 290, como efecto de los proyectos el hato total tendría un incremento promedio anual de 7.5%, es decir 10.58 cabezas por año. La natalidad encontrada en promedio fue mortalidad de terneros 7.04%, descarte de vacas de 50.8%, 10.72% y relación vaca-toro 19:1. Para el año décimo de los los promedios de estos coeficientes alcanzan: 53.1%, mortalidad de terneros 4.46% y descarte de 19.55%. proyectos natalidad vientres. La edad de incorporación de vaquillas resultó entre 2.5 a 3 años. En la composición racial se encontró que predomina un alto encastamiento con razas europeas. La relación producción total por área en el año base resultó en promedio de 42.53 galones de leche/manzana y 52.68 kilogramos de carne manzana y para el ultimo año de los proyectos alcanzan en promedio los 67.56 galones de leche/manzana y 96.14 kilogramos de carne/manzana. La producción promedio de leche por época correspondió a 4 litros/vaca/día en el verano y 6 litros/vaca/día en invierno. Partiendo del promedio de éstos valores, el incremento anual de ésta producción con el proyecto alcanzarla en promedio el 7.3%. En el aspecto de ingresos en promedio la producción de leche aporta en el año base el 43.44%, la producción de carne 34.09%, la venta de otras categorías 12.5% y la agricultura el 9.95% de los ingresos totales. con el proyecto se presenta una recomposición en éstos, de manera que el aporte de la producción de leche alcanza el 46.99%, el de la carne 46.67% y la parte agrícola el 5.25%. En los gastos, en el año base en promedio, la mano de obra representa el mayor porcentaje con 54.63%, medios circulantes y servicios 37.94%, impuestos 7.4%, variando éstos para el año décimo a promedios de: 48.25%, 42.54% y 9.17% respectivamente, reflejándose un incremento en los gastos de medios circulantes y servicios en un promedio de 4.6% y 1.77% los gastos en impuestos. Los costos de producción por litro de leche en el año base, fluctuaron entre C$1.23 y C$1.61 y en el último año varian ligeramente a un rango entre C$0.87 y C$1.53. En el mercado de aspecto la leche de comercialización, el control del en el municipio está en posesión de los manteros, un segundo siendo la agente de Unión de Cooperativas de Boaco (UCASBO) importancia en la comercialización. En el caso de la carne, los mayores volúmenes de ganado comercializado es controlado por los comerciantes intermediarios, que en los años 1990 y 1992 extrajeron de la zona 6000 y 8000 cabezas respectivamente. En el fluctuaron aspecto de los precios, en el caso de la leche con la estacionalidad de la producción C$0.95 en invierno manteros) tipo A y UCASBO). el peso, con pesos y C$1.00 en el verano (al comercializar con y por calidad de la leche entregada C$1.375 leche tipo A y By C$1.12 para el tipo e (al comercializar con las El ganado en cambio, su precio está determinado por obteniéndose C$1,500.00 y C$1,600.00 por novillos de 380 y 420 kilogramos respectivamente. De las inversiones a realizarse, la adquisición de ganado representa el mayor porcentaje con un 49.67%, las instalaciones y equipos con un 29.02% y mejoramiento de pastizales con 21.31% del monto total propuesto equivalente a C$829,400.00, de los cuales el total solicitado representa el 76.68% equivalente a C$636,000.00. Para el análisis financiero, se utilizó el formato y metodología del Banco Mundial. Los resultados de rentabilidad de éste análisis al interés propuesto del 9% ocupan un rango entre 21.78 y 9.10%, relación inversión­ beneficio neto entre 2.2 y 1.07. Con el interés bancario del 12.5%, los resultados pasan a .ocupar valores de TIR entre 16.2% y 7.85% y la relación inversión-beneficio neto alcanza valores entre 1.93 y 0.98. Con la utilización de recursos propios los resultados son inferiores a los obtenidos con el 9% de interés en siete de las nueve fincas y superiores que los resultados logrados con el interés del 12.5%, siendo los valores extremos de las TIR encontradas de 18.42% y 10.19%. En el aspecto de sensibilidad, al incrementarse los gastos operativos en un 10%, el proyecto de la finca La Perla resulta ser el más sensible con el interés del 9%, alcanzando una TIR de 1.04% y un VAN negativo de C$-21,503.08. En la correlación inversión-rentabilidad, las inversiones en ganado ejercieron la mejor influencia, seguida de las inversiones en pastos, fundamentalmente cuando éstas van acompañadas de una alta tasa de parición. Los flujos de efectivos encontrados, resultaron con fuertes déficit a excepción de la finca San Felipe que presentó una situación menos desfavorable. Los déficit encontrado hacen que los proyectos de éstas fincas aún y cuando sean rentables, no sean factibles, al no tener disponibilidades de efectivo para el sostenimiento de las unidades familiares durante los primeros años de proyecto.