Sistema inteligente de recomendación de restaurantes
Fecha
2022Resumen
Los sistemas de recomendación ayudan a las personas a encontrar ítems de calidad que
cumplan unos requisitos previos, que pueden estar ligados a los gustos del usuario o a
sus preferencias en ese momento. Esto lo hacen intentando predecir, con la ayuda de diferentes técnicas, cuáles de los ítems disponibles son de mayor interés para el usuario.
El desarrollo de este Trabajo de Fin de Grado nace del interés por aportar una oferta de mayor calidad a la demanda que tienen a día de hoy los sistemas de recomendación en el ámbito gastronómico. Puesto que el demandante cambia de requisitos y gustos constantemente influenciados por su entorno, se quiere priorizar la creación de un sistema flexible capaz de adaptarse a los cambios del usuario. Para ello, se ha implementado un
sistema que utiliza un filtrado basado en contenido [13] con componentes totalmente desacoplados para poder así ir adaptando el mismo a las demandas de los usuarios, como pueden ser nuevas características como entrada del algoritmo o cambios directos en el
mismo.
Los resultados recopilados en la experimentación muestran como se ha cumplido el objetivo principal de crear una aplicación capaz de realizar una recomendación personalizada de restaurantes al usuario. Adicionalmente, se plantea la posibilidad de utilizar otros filtrados para así poder complementar y mejorar el presente. Recommender systems help people find quality items that meet certain prerequisites,
which may be linked to the user’s tastes or preferences at the time. They do this by trying
to predict, with the help of different techniques, which of the available items are most
interesting for the user.
The development of this final degree project arises from the interest in providing a
higher quality offer to the demand that recommendation systems have nowadays in the
gastronomic field. Since the demander’s requirements and tastes are constantly changing
and influenced by their environment, the aim is to prioritize the implementation of a
flexible system capable of adapting to the user’s changes. For this purpose, a system
using content-based filtering [13] with fully decoupled components has been implemented
in order to adapt the system to user demands, such as new features as the algorithm’s
input or direct changes to the algorithm.
The results collected in the experimentation show that the main goal of creating an
application capable of making a personalized recommendation of restaurants to the
user has been achieved. In addition, the possibility of using other filtering methods to
complement and improve the existing one is also considered.