Diseño de un Prototipo Web para la recomendación de series de anime

Vista sencilla de ítem
dc.contributor.advisorTalero Sarmiento, Leonardo Hernán
dc.contributor.advisorMoreno Corzo, Feisar Enrique
dc.contributor.apolounabTalero Sarmiento, Leonardo Hernán [leonardo-talero]spa
dc.contributor.apolounabMoreno Corzo, Feisar Enrique [feisar-enrique-moreno-corzo]spa
dc.contributor.authorMandón Jaime, Geovanny Andrés
dc.contributor.authorPardo Lizarazo, Valentina
dc.contributor.cvlacTalero Sarmiento, Leonardo Hernán [31387]spa
dc.contributor.cvlacMoreno Corzo, Feisar Enrique [0001499008]spa
dc.contributor.googlescholarMoreno Corzo, Feisar Enrique [jz75nEcAAAAJ]spa
dc.contributor.linkedinTalero Sarmiento, Leonardo Hernán [leonardo-talero-sarmiento]spa
dc.contributor.linkedinMoreno Corzo, Feisar Enrique [feisar-moreno]spa
dc.contributor.orcidTalero Sarmiento, Leonardo Hernán [0000-0002-4129-9163]spa
dc.contributor.orcidMoreno Corzo, Feisar Enrique [0000-0002-5007-3422]spa
dc.contributor.researchgateTalero Sarmiento, Leonardo Hernán [Leonardo_Talero]spa
dc.contributor.researchgateMoreno Corzo, Feisar Enrique [Feisar-Enrique-Moreno-Corzo-2169498891]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialColombiaspa
dc.date.accessioned2025-05-27T14:42:51Z
dc.date.available2025-05-27T14:42:51Z
dc.date.issued2024-11-26
dc.degree.nameIngeniero de Sistemasspa
dc.description.abstractEl presente proyecto aborda la necesidad de sistemas de recomendación en la industria del anime, aprovechando las tendencias actuales en aprendizaje automático y minería de datos. Con el auge de las plataformas de transmisión en línea y la explosión de contenido disponible, se constituye una oportunidad para la generación de herramientas enfocadas en que los usuarios puedan descubrir nuevas series basadas en sus preferencias. Desde el punto de vista metodológico se esperan construir un banco de algoritmos de recomendación para ofrecer recomendaciones de anime más precisas y personalizadas. Así mismo, el presente proyecto busca un prototipo que empleará dichas técnicas o algoritmos para generar sugerencias adaptadas a sus gustos y experiencias previas. El proyecto incluye el uso de la metodología Knowledge Discovery in Databases (KDD) como herramienta para la minería de datos, que, junto al aprendizaje automático, constituye el eje principal del desarrollo eficaz del sistema. El sistema de recomendación resultante se evaluará mediante métricas de precisión y cobertura, asegurando que las recomendaciones sean efectivas y relevantes.spa
dc.description.abstractenglishThe present project addresses the need for recommender systems in the anime industry, leveraging current trends in machine learning and data mining. With the rise of online streaming platforms and the explosion of available content, there is a platforms and the explosion of available content, there is an opportunity for the generation of tools focused on allowing users to discover new series based on their preferences. From a methodological point of view, we hope to build a bank of recommendation algorithms to offer more accurate and personalized anime recommendations. Likewise, the present project seeks a prototype that will employ such techniques or algorithms to generate suggestions adapted to their tastes and previous experiences. The project includes the use of the Knowledge Discovery in Databases (KDD) methodology as a tool for data mining, which, together with machine learning, constitutes the main axis of the effective development of the system. The resulting recommender system will be evaluated using accuracy and coverage metrics, ensuring that recommendations are effective and relevant.spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontentsRESUMEN............................................................................................................10 INTRODUCCION..................................................................................................11 1 PROBLEMA DE INVESTIGACIÓN................................................................13 1.1 ANTECEDENTES DEL PROBLEMA......................................................13 1.2 PLANTEAMIENTO DEL PROBLEMA.....................................................13 1.3 FORMULACIÓN DEL PROBLEMA.........................................................14 2 OBJETIVOS ..................................................................................................15 2.1 OBJETIVO GENERAL............................................................................15 2.2 OBJETIVOS ESPECÍFICOS...................................................................15 3 JUSTIFICACIÓN ...........................................................................................16 4 REVISIÓN DE LA LITERATURA ...................................................................18 5 MARCO DE REFERENCIA ...........................................................................29 5.1 MARCO TEÓRICO.................................................................................29 5.1.1 SISTEMAS DE RECOMENDACIÓN................................................29 5.1.2 MINERÍA DE TEXTO EN LA RECOMENDACIÓN DE CONTENIDO 30 5.1.3 ALGORITMOS DE MACHINE LEARNING ......................................32 5.1.4 LÓGICA DEL ALGORITMO.............................................................32 5.1.5 ANIME.............................................................................................33 5.1.6 PROTOTIPO ...................................................................................34 5.1.7 ENTORNO WEB .............................................................................34 5.2 MARCO CONCEPTUAL.........................................................................35 5.2.1 FILTRADO COLABORATIVO..........................................................35 5.3 MARCO ESPACIAL................................................................................35 5.4 MARCO LEGAL......................................................................................36 5.4.1 USO Y ALMACENAMIENTO DE DATOS DE USUARIO: ................37 5.4.2 USO DE BASE DE DATOS EXTERNA ABIERTA: ..........................40 5.4.3 USO DE TECNOLOGÍAS DIGITALES:............................................41 6 DISEÑO METODOLÓGICO ..........................................................................42 6.1 TIPO DE INVESTIGACIÓN ....................................................................42 6.2 MÉTODO DE INVESTIGACIÓN.............................................................42 6.3 FUENTES Y TÉCNICAS DE RECOLECCIÓN DE INFORMACIÓN........43 6.3.1 FUENTES PRIMARIAS ...................................................................44 6.3.2 FUENTES SECUNDARIAS .............................................................44 6.4 DELIMITACIÓN Y ALCANCE.................................................................45 6.5 POBLACIÓN Y MUESTRA.....................................................................46 7 METODOLOGIA............................................................................................47 7.1 KNOWLEDGE DISCOVERY IN DATABASES (KDD).............................47 7.1.1 SELECCIÓN DE DATOS.................................................................47 7.1.2 EL PREPROCESAMIENTO DE DATOS .........................................47 7.1.3 MINERÍA DE DATOS ......................................................................48 7.1.4 EVALUACIÓN .................................................................................48 7.1.5 DESPLIEGUE .................................................................................48 7.2 KANBAN.................................................................................................49 7.2.1 DEFINICIÓN DE TAREAS...............................................................49 7.2.2 DISEÑO DEL FLUJO DE TRABAJO ...............................................49 7.2.3 ASIGNACIÓN DE RECURSOS.......................................................50 7.2.4 PRIORIZACIÓN DE TAREAS..........................................................50 7.2.5 EJECUCIÓN Y SEGUIMIENTO.......................................................50 7.2.6 ITERACIÓN Y MEJORA CONTINUA ..............................................50 8 RESULTADOS ..............................................................................................52 8.1 DESARROLLO DE ALGORITMO DE FILTRADO COLABORATIVO......52 8.1.1 SELECCIÓN Y PREPARACIÓN DEL DATASET ............................52 8.1.2 HERRAMIENTA DE DESARROLLO: GOOGLE COLAB .................52 8.1.3 IMPLEMENTACIÓN DEL ALGORITMO DE FILTRADO COLABORATIVO ..........................................................................................53 8.1.4 VALIDACIÓN DEL ALGORITMO.....................................................54 8.1.5 HERRAMIENTAS Y BIBLIOTECAS UTILIZADAS ...........................55 8.1.6 DIAGRAMA DE FLUJO DEL DESARROLLO DEL ALGORITMO ....56 8.2 DESARROLLO DE INTERFAZ PARA RECOMENDACIONES BASADAS EN PREFERENCIAS DE USUARIOS...............................................................57 8.2.1 SECCIÓN DE FRONTEND .............................................................57 8.2.2 ESTRUCTURA DEL BACKEND Y ARQUITECTURA DE SOFTWARE 64 8.3 VALIDACIÓN DE PROTOTIPO..............................................................70 9 CONCLUSIONES..........................................................................................90 10 RECOMENDACIONES ..............................................................................91 10.1 INTEGRACIÓN DE DATOS DE USUARIO REAL ..................................91 10.2 PERSONALIZACIÓN DE PERFILES......................................................91 10.3 OPTIMIZACIÓN PARA DISPOSITIVOS MÓVILES ................................92 10.4 ENLACES A PLATAFORMAS DE STREAMING OFICIALES.................92 10.5 FILTROS DE BÚSQUEDA AVANZADOS...............................................93 10.6 ANÁLISIS DE COMPORTAMIENTO DEL USUARIO .............................93 10.7 RECOPILACIÓN DE RETROALIMENTACIÓN DE USUARIOS .............93 BIBLIOGRAFÍA.....................................................................................................94spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/29305
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería de Sistemasspa
dc.publisher.programidISI-1791
dc.relation.referencesAngeles-Angeles, F. (2020). Prototipo. Con-Ciencia Boletín Científico de La Escuela Preparatoria No. 3, 7(13).spa
dc.relation.referencesAnoop, A., & Ubale, N. A. (2020). Cloud Based Collaborative Filtering Algorithm for Library Book Recommendation System. 2020 Third International Conference on Smart Systems and Inventive Technology (ICSSIT), 695–703. https://doi.org/10.1109/ICSSIT48917.2020.9214243spa
dc.relation.referencesAnupama, V., & Elayidom, M. S. (2022). Course Recommendation System: Collaborative Filtering, Machine Learning and Topic Modelling. 2022 8th International Conference on Advanced Computing and Communication Systems (ICACCS), https://doi.org/10.1109/ICACCS54159.2022.9785353spa
dc.relation.referencesBalaji, S. V, Prabhu, R., Athira, R. S. R., & Roshini, R. (2023). Anime Recommendation System. International Journal For Multidisciplinary Research, 5(2). https://doi.org/10.36948/ijfmr.2023.v05i02.2372spa
dc.relation.referencesBank, C., & Cao, J. (2024). The Guide to UX Design Process & Documentation.spa
dc.relation.referencesBarliza, A. D. S. (2021). Revisión conceptual de sistemas de recomendación y geolocalización aplicados a la seguridad turística. Computer and Electronic Sciences: Theory and Applications, https://doi.org/10.17981/cesta.02.02.2021.05spa
dc.relation.referencesBecerra Cortés, C. J., Jiménez Vargas, S. G., González Osorio, F. A., & Gelbukh, A. (2015). Recomendación de productos a partir de perfiles de usuario interpretables. Revista Tecnura, https://doi.org/10.14483/udistrital.jour.tecnura.2015.3.a07spa
dc.relation.referencesCenteno-Mora, O., & Gónzalez-Évora, F. (2022). Minería de texto en la Encuesta Nacional de Transparencia 2019. Revista de Matemática: Teoría y Aplicaciones, 29(2). https://doi.org/10.15517/rmta.v29i2.46379spa
dc.relation.referencesChoudhary, H., Raghavendra, S., & Ramyashree. (2023). Recommendation system for anime using machine learning algorithms. In Recent Trends in Computational Sciences (pp. https://doi.org/10.1201/9781003363781-11 70–76). CRC Press.spa
dc.relation.referencesCingolani, G. (2019). X Congreso Argentino y V Congreso Internacional de Semiótica Sistemas de recomendación. Mediatizaciones con rebordes enunciativos de los juicios de gusto.spa
dc.relation.referencesData Opens Common. (n.d.). In Database Contents License (DbCL) v1.0. Retrieved May 18, 2024, from https://opendatacommons.org/licenses/dbcl/1-0/spa
dc.relation.referencesDecreto 1377 de 2013, Pub. L. No. 1377, Reglamentación parcial de la Ley 1581 de 2012 (2013).spa
dc.relation.referencesElvis, V. C. J., Fernando, N. R. Á., César, L. F. A., & Deisy, J. F. J. (2022). Deserción universitaria: Evaluación de diferentes algoritmos de Machine Learning para su predicción. Revista de Ciencias Sociales, 28(3). https://doi.org/10.31876/rcs.v28i3.38480spa
dc.relation.referencesFang, H., Zhan, H., & Wang, Y. (2023). Uncovering Anime Insights: Enhancing Classification Models Through Decision Trees and TF-IDF Embeddings (pp. 601–614). https://doi.org/10.1007/978-3-031-47457-6_41spa
dc.relation.referencesIBM. (2024, April 16). IBM. ¿Qué Es Un Algoritmo de Machine Learning?spa
dc.relation.referencesIr Salazar Torres, J., & Girón Cardenas, E. (2021). Análisis y aplicación de algoritmos de minería de datos. http://portal.amelica.org/ameli/jatsRepo/638/6382735005/spa
dc.relation.referencesJain, H., & Kakkar, M. (2019). Job recommendation system based on machine learning and data mining techniques using RESTful API and Android IDE. Proceedings of the 9th International Conference On Cloud Computing, Data Science and Engineering, Confluence 2019. https://doi.org/10.1109/CONFLUENCE.2019.8776964spa
dc.relation.referencesLey 1712 de 2014, Pub. L. No. 1712, Ley de Transparencia y del Derecho de Acceso a la Información Pública Nacional (2014).spa
dc.relation.referencesLey Estatuaria 1581 de 2012, Pub. L. No. 1581, Ley de Protección de Datos Personales (2012).spa
dc.relation.referencesLlevat Nieves. (2014, February 8). Entornos Web: qué son, cuántos hay y aplicaciones en las empresas.spa
dc.relation.referencesLucía, M., Blanco, R., Patricia, N., Castañeda, G., Holmes, C., García, T., De, M., Exteriores, R., Barrera, A. C., Blanco, M. C., Fernando, L., Jiménez, N., Pinzón, A. V., Pablo, J., Restrepo, U., Victoria, A., Olmos, A., De, M., María, T., … Montaña, A. G. (2022). CONSEJO NACIONAL DE POLÍTICA ECONÓMICA Y SOCIAL CONPES Iván Duque Márquez Presidente de la República.spa
dc.relation.referencesMariano Zelcer. (2023). Sistemas de recomendación en plataformas de streaming audiovisual: las lógicas de los algoritmos. Revista Mídia e Cotidiano, 17(2).spa
dc.relation.referencesMárquez Delgado, D., & Solarte Mora, L. (n.d.). INVESTIGACIÓN Y DESARROLLO TECNOLÓGICO RESEARCH AND DEVELOPMENT.spa
dc.relation.referencesMartins, J. D. D., & Ribeiro, M. de F. (2023). ALGORITMOS E INTELIGÊNCIA ARTIFICIAL. Revista Da Faculdade Mineira de Direito, 25(50), 173–196. https://doi.org/10.5752/P.2318-7999.2022v25n50p173-196spa
dc.relation.referencesMeng, Z. (2023). Research on two popular recommendation algorithms for anime. Applied and Computational Engineering, 6(1), 1430–1438. https://doi.org/10.54254/2755-2721/6/20230898spa
dc.relation.referencesNa8. (2019, August 27). Sistemas de Recomendación. Crea En Python Un Motor de Recomendación Con Collaborative Filtering. https://www.aprendemachinelearning.com/sistemas-de-recomendacion/spa
dc.relation.referencesNaciones Unidas, O. (2015, September). La Agenda 2030 y los Objetivos de Desarrollo Sostenible: Una oportunidad para América Latina y el Caribe.spa
dc.relation.referencesNuurshadieq, & Wibowo, A. T. (2020). Leveraging Side Information to Anime Recommender System using Deep learning. 2020 3rd International Seminar on Research of Information Technology and Intelligent Systems (ISRITI), 62–67. https://doi.org/10.1109/ISRITI51436.2020.9315363spa
dc.relation.referencesObeidat, R., Duwairi, R., & Al-Aiad, A. (2019). A Collaborative Recommendation System for Online Courses Recommendations. Proceedings - 2019 International Conference on Deep Learning and Machine Learning in Emerging Applications, Deep-ML 2019. https://doi.org/10.1109/Deep-ML.2019.00018spa
dc.relation.referencesPapagelis, M., & Plexousakis, D. (2005). Qualitative analysis of user-based and item-based prediction algorithms for recommendation agents. Engineering Applications of Artificial Intelligence, 18(7), 781–789. https://doi.org/10.1016/j.engappai.2005.06.010spa
dc.relation.referencesPezzini, A. (2017). MINERAÇÃO DE TEXTOS: CONCEITO, PROCESSO E APLICAÇÕES. Revista Eletrônica Do Alto Vale Do Itajaí, 5(8), 058–061. https://doi.org/10.5965/2316419005082016058spa
dc.relation.referencesPrakash, V., Raghav, S., Sood, S., Pandey, M., & Arora, M. (2022). Deep Anime Recommendation System: Recommending Anime Using Collaborative and Content-based Filtering. 2022 4th International Conference on Advances in Computing, Communication Control and Networking (ICAC3N), 718–723. https://doi.org/10.1109/ICAC3N56670.2022.10074101spa
dc.relation.referencesPrincipios Actualizados sobre la Privacidad y la Protección de Datos Personales. (2021).spa
dc.relation.referencesReglamento (UE) 2016/679 Del Parlamento Europeo y Del Consejo, Pub. L. No. 679, Reglamento general de protección de datos (RGPD) (2016).spa
dc.relation.referencesReswara, C. G., Nicolas, J., Ananta, M., & Kurniadi, F. I. (2023). Anime Recommendation System Using Bert and Cosine Similarity. 2023 4th International Conference on Artificial Intelligence and Data Sciences (AiDAS), 109–113. https://doi.org/10.1109/AiDAS60501.2023.10284693spa
dc.relation.referencesSá Elias, P. (2017). Algoritmos, Inteligência Artificial e o Direito. http://www.parliament.uk/business/committees/committees-a-z/commons-select/science-and-technology-committee/inquiries/parliament-2017/algorithms-in-decision-making-17-19/spa
dc.relation.referencesSoni, B., Thakuria, D., Nath, N., Das, N., & Boro, B. (2023). RikoNet: A Novel Anime Recommendation Engine. Multimedia Tools and Applications, 82(21), 32329-32348. https://doi.org/10.1007/s11042-023-14710-9spa
dc.relation.referencesWang, H., Lou, N., & Chao, Z. (2020). A Personalized Movie Recommendation System based on LSTM-CNN. 2020 2nd International Conference on Machine Learning, Big Data and Business Intelligence (MLBDBI), 485–490. https://doi.org/10.1109/MLBDBI51377.2020.00102spa
dc.relation.referencesYusof, N. A., Mastor, K. A., Mamat, M., Keng, L. K., Haron, H., Tahir, H. M., Jaafar, R., & Baharum, K. (2023). The influence of anime as Japanese popular culture among art and design students. Nurture, 17(4). https://doi.org/10.55951/NURTURE.V17I4.374spa
dc.relation.uriapolohttps://apolo.unab.edu.co/en/persons/leonardo-hernan-talero-sarmiento-3spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsSystems engineerspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsPrototypespa
dc.subject.keywordsRecommendation algorithmspa
dc.subject.keywordsData miningspa
dc.subject.keywordsMachine learningspa
dc.subject.keywordsPrototype developmentspa
dc.subject.keywordsWeb usage miningspa
dc.subject.keywordsTheory of machinesspa
dc.subject.keywordsComputer animationspa
dc.subject.lembIngeniería de sistemasspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembDesarrollo de prototiposspa
dc.subject.lembMinería de uso webspa
dc.subject.lembTeoría de las máquinasspa
dc.subject.lembAnimación por computadorspa
dc.subject.proposalPrototipospa
dc.subject.proposalAnimespa
dc.subject.proposalMinería de datosspa
dc.subject.proposalAprendizaje automáticospa
dc.subject.proposalAlgoritmo de recomendaciónspa
dc.titleDiseño de un Prototipo Web para la recomendación de series de animespa
dc.title.translatedAnime Series Recommendation Web Prototype Designspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
TG2_Diseño de un Prototipo Web para la Recomendacion de Series de Anime.pdf
Tamaño:
1.9 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar
Miniatura
Nombre:
Licencia.pdf
Tamaño:
660.35 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería de Sistemas