Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/21124
Título : Desarrollo de un sistema recomendador de ubicaciones para sitios turísticos del Centro Histórico de Quito basado en Procesamiento de Lenguaje Natural
Autor : Limaico Mera, José Francisco
Palabras clave : INTELIGENCIA ARTIFICIAL
INGENIERÍA DE SOFTWARE
LENGUAJE NATURAL
Fecha de publicación : 26-ago-2020
Editorial : Quito, 2020.
Citación : Limaico Mera, J. F. (2020). Desarrollo de un sistema recomendador de ubicaciones para sitios turísticos del Centro Histórico de Quito basado en Procesamiento de Lenguaje Natural. 84 hojas. Quito : EPN.
Resumen : Recommendation systems that use traditional methods for classifying and generating recommendations can be improved by using deep learning techniques in conjunction with machine learning techniques. The purpose of this work is to provide a solution to improve the effectiveness of the recommendations of these systems, using natural language processing. To achieve this goal, a natural language processing model using deep learning approaches was trained. The development of the model is made up of two phases: a) the data collection phase and b) the development phase. In the data collection phase, the training data set was obtained from surveys carried out on consultations of tourist sites with their respective category. In the development phase, the model was trained using the data set obtained through the implementation of a training event offered by the IBM service called Watson Natural Language Classifier (NLC). The developed model allows classifying text sentences in 62 categories obtained through the training event. To test the aforementioned model, a system was developed that provides recommendations for tourist sites for the Historic Center of Quito. This system uses the NLC service as its main source for processing text statements. As a result, recommendations of points of interest associated with tourist sites that fit the user's preferences were obtained.
Descripción : Los sistemas de recomendación que utilizan métodos tradicionales para la clasificación y generación de recomendaciones pueden ser mejorados aplicando técnicas de aprendizaje profundo con técnicas de aprendizaje automático. El propósito del presente trabajo es brindar una solución para mejorar la eficacia de las recomendaciones de estos sistemas, mediante el procesamiento de lenguaje natural. Para lograr este objetivo, se entrenó un modelo de procesamiento de lenguaje natural que usa enfoques de aprendizaje profundo. El desarrollo del modelo está compuesto por dos fases: a) la fase de recolección de datos y b) la fase de desarrollo. En primer lugar, en la fase de recolección de datos se obtuvo el conjunto de datos de entrenamiento a partir de encuestas realizadas sobre consultas de sitios turísticos con su respectiva categoría. En contraste, en la fase de desarrollo se entrenó el modelo empleando el conjunto de datos recopilados por medio de la implementación de un evento de entrenamiento ofrecido por el servicio de IBM, denominado Watson Natural Language Classifier (NLC). El modelo desarrollado permitió clasificar sentencias de texto en 62 categorías producidas por medio del evento de entrenamiento. Para probar el modelo mencionado se desarrolló un sistema que brinda recomendaciones de sitios turísticos para el centro histórico de Quito. De acuerdo con esto, el sistema emplea el servicio NLC como su principal fuente de procesamiento de sentencias de texto. Como resultado se compilaron recomendaciones de puntos de interés asociados a sitios turísticos que se ajustaban a las preferencias del usuario.
URI : http://bibdigital.epn.edu.ec/handle/15000/21124
Aparece en las colecciones: Tesis Sistemas Informáticos y de Computación (ISIS)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
CD 10639.pdf3,65 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.