Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/25287
Full metadata record
DC FieldValueLanguage
dc.contributor.authorAguirre Rojas, Marco Esteban.-
dc.contributor.editorRecalde Cerda, Lorena Katherine.-
dc.date.accessioned2024-02-06T21:36:30Z-
dc.date.available2024-02-06T21:36:30Z-
dc.date.issued2024-01-
dc.identifier.citationAguirre Rojas, M.E. (2024). Desarrollo de un modelo de recomendación de rutas personalizadas para grupos de ciclistas empleando sequence-aware recommender systems. 55 páginas. Quito : EPN.es_ES
dc.identifier.otherT-MVE 1102/13905-
dc.identifier.urihttp://bibdigital.epn.edu.ec/handle/15000/25287-
dc.descriptionEn el contexto actual, se observa un crecimiento significativo en la adopción de tecnologías interactivas en el ámbito deportivo, ejemplificado por plataformas como Strava, Garmin Connect y Fitocracy. Este impulso competitivo ha catalizado avances en las características funcionales, resultando en aplicaciones deportivas más accesibles que transforman el panorama sociotécnico de las prácticas deportivas. Sin embargo, a pesar de la presencia generalizada de sistemas de recomendación en sectores como el comercio electrónico, su integración en la industria deportiva sigue siendo limitada. Este trabajo se centra en la creación de un Sistema de Recomendación de Grupos (GRS) para rutas ciclistas personalizadas, utilizando Sistemas de Recomendación conscientes de la Secuencia. El objetivo principal es mejorar la experiencia del usuario al ofrecer sugerencias de rutas a grupos de ciclistas, promoviendo la exploración de nuevas rutas. Enmarcado en la Investigación en Design Science Research (DSR), el proyecto establece un marco conceptual para el diseño y construcción de artefactos. Los resultados experimentales revelan una correlación positiva entre la calidad de la ganancia acumulativa normalizada descontada (NDCG) y el tamaño del grupo de usuarios, destacando mejoras en el rendimiento en grupos más grandes debido a la mayor diversidad. El modelo Prod2vec, entrenado con el algoritmo GoSS-Rec, supera consistentemente a las alternativas en métricas de diversidad y novedad, subrayando su potencial para ofrecer recomendaciones diversas y novedosas en grupos de diferentes tamaños. Este enfoque contribuye a la evolución de los sistemas de recomendación en ámbitos no tradicionales como el ciclismo, mejorando la experiencia deportiva para los usuarios.es_ES
dc.description.abstractIn recent times, there has been a notable increase in the adoption of technologies and interactive platforms within the realm of physical fitness and sports. This trend is exemplified by the emergence of products such as Strava, Garmin Connect, and ®Fitocracy. The competitive dynamics within this sector have driven progress in functional features, resulting in the development of more user-friendly applications that reshape the sociotechnical landscape of sports practices. At the same time, despite the widespread prevalence of recommendation systems in sectors like e-commerce and entertainment, their integration into new domains, particularly the sports industry, remains relatively limited. This study presents the creation of a Group Recommender System (GRS) designed for per-sonalized cycling routes, employing Sequence-Aware Recommender Systems. The main objective is to improve the user experience by providing route suggestions to groups of cyclists, encouraging the discovery of new routes. Anchored in the Design Science Research (DSR) framework, the project lays the foundation for an extensive conceptual framework governing the design and construction of artifacts. Experimental findings highlight a positive correlation between normalized discounted cumulative gain quality (NDCG) and user group size, underscoring enhanced performance in larger groups due to increased diversity. Additionally, in model training with the GoSS-Rec algorithm, the Prod2vec model consistently outperforms alternatives in diversity and novelty metrics for both small and large groups. This emphasizes the potential of the GoSS-Rec algorithm with Prod2vec to excel in providing diverse and novel recommendations across groups of varying sizes, contributing to the evolution of recommendation systems in nontraditional domains.es_ES
dc.language.isospaes_ES
dc.publisherQuito : EPN, 2024.es_ES
dc.rightsopenAccesses_ES
dc.subjectORDENADORes_ES
dc.subjectGROUP RECOMMENDER SYSTEMes_ES
dc.subjectSEQUENCE-AWARE RECOMMENDER SYSTEMSes_ES
dc.subjectSEQUENTIAL PREDICTIONes_ES
dc.subjectSELF-ATTENTIONes_ES
dc.subjectSPORTS SCIENCEes_ES
dc.titleDesarrollo de un modelo de recomendación de rutas personalizadas para grupos de ciclistas empleando sequence-aware recommender systems.es_ES
dc.typemasterThesises_ES
Appears in Collections:Tesis Maestría en Ciencias de la Computación y Comercio Electrónico (FIS)

Files in This Item:
File Description SizeFormat 
CD 13905.pdf9,45 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.