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

El 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 oportun...

Full description

Autores:
Mandón Jaime, Geovanny Andrés
Pardo Lizarazo, Valentina
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/29305
Acceso en línea:
http://hdl.handle.net/20.500.12749/29305
Palabra clave:
Systems engineer
Technological innovations
Prototype
Recommendation algorithm
Data mining
Machine learning
Prototype development
Web usage mining
Theory of machines
Computer animation
Ingeniería de sistemas
Innovaciones tecnológicas
Desarrollo de prototipos
Minería de uso web
Teoría de las máquinas
Animación por computador
Prototipo
Anime
Minería de datos
Aprendizaje automático
Algoritmo de recomendación
Rights
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
id UNAB2_3559469ea80ecd7a39147557b4693599
oai_identifier_str oai:repository.unab.edu.co:20.500.12749/29305
network_acronym_str UNAB2
network_name_str Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv Diseño de un Prototipo Web para la recomendación de series de anime
dc.title.translated.spa.fl_str_mv Anime Series Recommendation Web Prototype Design
title Diseño de un Prototipo Web para la recomendación de series de anime
spellingShingle Diseño de un Prototipo Web para la recomendación de series de anime
Systems engineer
Technological innovations
Prototype
Recommendation algorithm
Data mining
Machine learning
Prototype development
Web usage mining
Theory of machines
Computer animation
Ingeniería de sistemas
Innovaciones tecnológicas
Desarrollo de prototipos
Minería de uso web
Teoría de las máquinas
Animación por computador
Prototipo
Anime
Minería de datos
Aprendizaje automático
Algoritmo de recomendación
title_short Diseño de un Prototipo Web para la recomendación de series de anime
title_full Diseño de un Prototipo Web para la recomendación de series de anime
title_fullStr Diseño de un Prototipo Web para la recomendación de series de anime
title_full_unstemmed Diseño de un Prototipo Web para la recomendación de series de anime
title_sort Diseño de un Prototipo Web para la recomendación de series de anime
dc.creator.fl_str_mv Mandón Jaime, Geovanny Andrés
Pardo Lizarazo, Valentina
dc.contributor.advisor.none.fl_str_mv Talero Sarmiento, Leonardo Hernán
Moreno Corzo, Feisar Enrique
dc.contributor.author.none.fl_str_mv Mandón Jaime, Geovanny Andrés
Pardo Lizarazo, Valentina
dc.contributor.cvlac.spa.fl_str_mv Talero Sarmiento, Leonardo Hernán [31387]
Moreno Corzo, Feisar Enrique [0001499008]
dc.contributor.googlescholar.spa.fl_str_mv Moreno Corzo, Feisar Enrique [jz75nEcAAAAJ]
dc.contributor.orcid.spa.fl_str_mv Talero Sarmiento, Leonardo Hernán [0000-0002-4129-9163]
Moreno Corzo, Feisar Enrique [0000-0002-5007-3422]
dc.contributor.researchgate.spa.fl_str_mv Talero Sarmiento, Leonardo Hernán [Leonardo_Talero]
Moreno Corzo, Feisar Enrique [Feisar-Enrique-Moreno-Corzo-2169498891]
dc.contributor.apolounab.spa.fl_str_mv Talero Sarmiento, Leonardo Hernán [leonardo-talero]
Moreno Corzo, Feisar Enrique [feisar-enrique-moreno-corzo]
dc.contributor.linkedin.spa.fl_str_mv Talero Sarmiento, Leonardo Hernán [leonardo-talero-sarmiento]
Moreno Corzo, Feisar Enrique [feisar-moreno]
dc.subject.keywords.spa.fl_str_mv Systems engineer
Technological innovations
Prototype
Recommendation algorithm
Data mining
Machine learning
Prototype development
Web usage mining
Theory of machines
Computer animation
topic Systems engineer
Technological innovations
Prototype
Recommendation algorithm
Data mining
Machine learning
Prototype development
Web usage mining
Theory of machines
Computer animation
Ingeniería de sistemas
Innovaciones tecnológicas
Desarrollo de prototipos
Minería de uso web
Teoría de las máquinas
Animación por computador
Prototipo
Anime
Minería de datos
Aprendizaje automático
Algoritmo de recomendación
dc.subject.lemb.spa.fl_str_mv Ingeniería de sistemas
Innovaciones tecnológicas
Desarrollo de prototipos
Minería de uso web
Teoría de las máquinas
Animación por computador
dc.subject.proposal.spa.fl_str_mv Prototipo
Anime
Minería de datos
Aprendizaje automático
Algoritmo de recomendación
description El 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.
publishDate 2024
dc.date.issued.none.fl_str_mv 2024-11-26
dc.date.accessioned.none.fl_str_mv 2025-05-27T14:42:51Z
dc.date.available.none.fl_str_mv 2025-05-27T14:42:51Z
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.local.spa.fl_str_mv Trabajo de Grado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12749/29305
dc.identifier.instname.spa.fl_str_mv instname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional UNAB
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.unab.edu.co
url http://hdl.handle.net/20.500.12749/29305
identifier_str_mv instname:Universidad Autónoma de Bucaramanga - UNAB
reponame:Repositorio Institucional UNAB
repourl:https://repository.unab.edu.co
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Angeles-Angeles, F. (2020). Prototipo. Con-Ciencia Boletín Científico de La Escuela Preparatoria No. 3, 7(13).
Anoop, 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/ICSSIT48917.2020.9214243
Anupama, 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/ICACCS54159.2022.9785353
Balaji, 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.v05i02.2372
Bank, C., & Cao, J. (2024). The Guide to UX Design Process & Documentation.
Barliza, 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.02.02.2021.05
Becerra 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.a07
Centeno-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.v29i2.46379
Choudhary, 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.
Cingolani, G. (2019). X Congreso Argentino y V Congreso Internacional de Semiótica Sistemas de recomendación. Mediatizaciones con rebordes enunciativos de los juicios de gusto.
Data Opens Common. (n.d.). In Database Contents License (DbCL) v1.0. Retrieved May 18, 2024, from https://opendatacommons.org/licenses/dbcl/1-0/
Decreto 1377 de 2013, Pub. L. No. 1377, Reglamentación parcial de la Ley 1581 de 2012 (2013).
Elvis, 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.v28i3.38480
Fang, 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_41
IBM. (2024, April 16). IBM. ¿Qué Es Un Algoritmo de Machine Learning?
Ir Salazar Torres, J., & Girón Cardenas, E. (2021). Análisis y aplicación de algoritmos de minería de datos. http://portal.amelica.org/ameli/jatsRepo/638/6382735005/
Jain, 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.2019.8776964
Ley 1712 de 2014, Pub. L. No. 1712, Ley de Transparencia y del Derecho de Acceso a la Información Pública Nacional (2014).
Ley Estatuaria 1581 de 2012, Pub. L. No. 1581, Ley de Protección de Datos Personales (2012).
Llevat Nieves. (2014, February 8). Entornos Web: qué son, cuántos hay y aplicaciones en las empresas.
Lucía, 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.
Mariano Zelcer. (2023). Sistemas de recomendación en plataformas de streaming audiovisual: las lógicas de los algoritmos. Revista Mídia e Cotidiano, 17(2).
Márquez Delgado, D., & Solarte Mora, L. (n.d.). INVESTIGACIÓN Y DESARROLLO TECNOLÓGICO RESEARCH AND DEVELOPMENT.
Martins, 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.2318-7999.2022v25n50p173-196
Meng, Z. (2023). Research on two popular recommendation algorithms for anime. Applied and Computational Engineering, 6(1), 1430–1438. https://doi.org/10.54254/2755-2721/6/20230898
Na8. (2019, August 27). Sistemas de Recomendación. Crea En Python Un Motor de Recomendación Con Collaborative Filtering. https://www.aprendemachinelearning.com/sistemas-de-recomendacion/
Naciones Unidas, O. (2015, September). La Agenda 2030 y los Objetivos de Desarrollo Sostenible: Una oportunidad para América Latina y el Caribe.
Nuurshadieq, & 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/ISRITI51436.2020.9315363
Obeidat, 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.2019.00018
Papagelis, 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.2005.06.010
Pezzini, A. (2017). MINERAÇÃO DE TEXTOS: CONCEITO, PROCESSO E APLICAÇÕES. Revista Eletrônica Do Alto Vale Do Itajaí, 5(8), 058–061. https://doi.org/10.5965/2316419005082016058
Prakash, 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/ICAC3N56670.2022.10074101
Principios Actualizados sobre la Privacidad y la Protección de Datos Personales. (2021).
Reglamento (UE) 2016/679 Del Parlamento Europeo y Del Consejo, Pub. L. No. 679, Reglamento general de protección de datos (RGPD) (2016).
Reswara, 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/AiDAS60501.2023.10284693
Sá 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/
Soni, 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/s11042-023-14710-9
Wang, 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/MLBDBI51377.2020.00102
Yusof, 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.V17I4.374
dc.relation.uriapolo.spa.fl_str_mv https://apolo.unab.edu.co/en/persons/leonardo-hernan-talero-sarmiento-3
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.creativecommons.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Abierto (Texto Completo)
Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.spatial.spa.fl_str_mv Colombia
dc.coverage.campus.spa.fl_str_mv UNAB Campus Bucaramanga
dc.publisher.grantor.spa.fl_str_mv Universidad Autónoma de Bucaramanga UNAB
dc.publisher.faculty.spa.fl_str_mv Facultad Ingeniería
dc.publisher.program.spa.fl_str_mv Pregrado Ingeniería de Sistemas
dc.publisher.programid.none.fl_str_mv ISI-1791
institution Universidad Autónoma de Bucaramanga - UNAB
bitstream.url.fl_str_mv https://repository.unab.edu.co/bitstream/20.500.12749/29305/1/TG2_Dise%c3%b1o%20de%20un%20Prototipo%20Web%20para%20la%20Recomendacion%20de%20Series%20de%20Anime.pdf
https://repository.unab.edu.co/bitstream/20.500.12749/29305/7/Licencia.pdf
https://repository.unab.edu.co/bitstream/20.500.12749/29305/6/license.txt
https://repository.unab.edu.co/bitstream/20.500.12749/29305/8/TG2_Dise%c3%b1o%20de%20un%20Prototipo%20Web%20para%20la%20Recomendacion%20de%20Series%20de%20Anime.pdf.jpg
https://repository.unab.edu.co/bitstream/20.500.12749/29305/9/Licencia.pdf.jpg
bitstream.checksum.fl_str_mv 3ef521a4c165f089db13b75ac8177ac8
4d08aee2280d542a830307445ba1ce83
3755c0cfdb77e29f2b9125d7a45dd316
37719656cebe46713d38ab03315bb988
60305fb1be440f8688b2e1f139f2173d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB
repository.mail.fl_str_mv repositorio@unab.edu.co
_version_ 1834107048343633920
spelling Talero Sarmiento, Leonardo Hernán52f3ced8-d447-4a4d-a30c-74958c9587aaMoreno Corzo, Feisar Enriqueee761f02-1ce9-473f-b811-9b495af86e41Mandón Jaime, Geovanny Andrésecfdcc18-f5c6-461f-851a-e2f700a06ea7Pardo Lizarazo, Valentina7eea4a04-0298-4c16-97db-cbd74f008bc5Talero Sarmiento, Leonardo Hernán [31387]Moreno Corzo, Feisar Enrique [0001499008]Moreno Corzo, Feisar Enrique [jz75nEcAAAAJ]Talero Sarmiento, Leonardo Hernán [0000-0002-4129-9163]Moreno Corzo, Feisar Enrique [0000-0002-5007-3422]Talero Sarmiento, Leonardo Hernán [Leonardo_Talero]Moreno Corzo, Feisar Enrique [Feisar-Enrique-Moreno-Corzo-2169498891]Talero Sarmiento, Leonardo Hernán [leonardo-talero]Moreno Corzo, Feisar Enrique [feisar-enrique-moreno-corzo]Talero Sarmiento, Leonardo Hernán [leonardo-talero-sarmiento]Moreno Corzo, Feisar Enrique [feisar-moreno]ColombiaUNAB Campus Bucaramanga2025-05-27T14:42:51Z2025-05-27T14:42:51Z2024-11-26http://hdl.handle.net/20.500.12749/29305instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEl 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.RESUMEN............................................................................................................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.....................................................................................................94PregradoThe 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.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Diseño de un Prototipo Web para la recomendación de series de animeAnime Series Recommendation Web Prototype DesignIngeniero de SistemasUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería de SistemasISI-1791info:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/TPSystems engineerTechnological innovationsPrototypeRecommendation algorithmData miningMachine learningPrototype developmentWeb usage miningTheory of machinesComputer animationIngeniería de sistemasInnovaciones tecnológicasDesarrollo de prototiposMinería de uso webTeoría de las máquinasAnimación por computadorPrototipoAnimeMinería de datosAprendizaje automáticoAlgoritmo de recomendaciónAngeles-Angeles, F. (2020). Prototipo. Con-Ciencia Boletín Científico de La Escuela Preparatoria No. 3, 7(13).Anoop, 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/ICSSIT48917.2020.9214243Anupama, 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/ICACCS54159.2022.9785353Balaji, 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.v05i02.2372Bank, C., & Cao, J. (2024). The Guide to UX Design Process & Documentation.Barliza, 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.02.02.2021.05Becerra 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.a07Centeno-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.v29i2.46379Choudhary, 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.Cingolani, G. (2019). X Congreso Argentino y V Congreso Internacional de Semiótica Sistemas de recomendación. Mediatizaciones con rebordes enunciativos de los juicios de gusto.Data Opens Common. (n.d.). In Database Contents License (DbCL) v1.0. Retrieved May 18, 2024, from https://opendatacommons.org/licenses/dbcl/1-0/Decreto 1377 de 2013, Pub. L. No. 1377, Reglamentación parcial de la Ley 1581 de 2012 (2013).Elvis, 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.v28i3.38480Fang, 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_41IBM. (2024, April 16). IBM. ¿Qué Es Un Algoritmo de Machine Learning?Ir Salazar Torres, J., & Girón Cardenas, E. (2021). Análisis y aplicación de algoritmos de minería de datos. http://portal.amelica.org/ameli/jatsRepo/638/6382735005/Jain, 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.2019.8776964Ley 1712 de 2014, Pub. L. No. 1712, Ley de Transparencia y del Derecho de Acceso a la Información Pública Nacional (2014).Ley Estatuaria 1581 de 2012, Pub. L. No. 1581, Ley de Protección de Datos Personales (2012).Llevat Nieves. (2014, February 8). Entornos Web: qué son, cuántos hay y aplicaciones en las empresas.Lucía, 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.Mariano Zelcer. (2023). Sistemas de recomendación en plataformas de streaming audiovisual: las lógicas de los algoritmos. Revista Mídia e Cotidiano, 17(2).Márquez Delgado, D., & Solarte Mora, L. (n.d.). INVESTIGACIÓN Y DESARROLLO TECNOLÓGICO RESEARCH AND DEVELOPMENT.Martins, 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.2318-7999.2022v25n50p173-196Meng, Z. (2023). Research on two popular recommendation algorithms for anime. Applied and Computational Engineering, 6(1), 1430–1438. https://doi.org/10.54254/2755-2721/6/20230898Na8. (2019, August 27). Sistemas de Recomendación. Crea En Python Un Motor de Recomendación Con Collaborative Filtering. https://www.aprendemachinelearning.com/sistemas-de-recomendacion/Naciones Unidas, O. (2015, September). La Agenda 2030 y los Objetivos de Desarrollo Sostenible: Una oportunidad para América Latina y el Caribe.Nuurshadieq, & 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/ISRITI51436.2020.9315363Obeidat, 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.2019.00018Papagelis, 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.2005.06.010Pezzini, A. (2017). MINERAÇÃO DE TEXTOS: CONCEITO, PROCESSO E APLICAÇÕES. Revista Eletrônica Do Alto Vale Do Itajaí, 5(8), 058–061. https://doi.org/10.5965/2316419005082016058Prakash, 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/ICAC3N56670.2022.10074101Principios Actualizados sobre la Privacidad y la Protección de Datos Personales. (2021).Reglamento (UE) 2016/679 Del Parlamento Europeo y Del Consejo, Pub. L. No. 679, Reglamento general de protección de datos (RGPD) (2016).Reswara, 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/AiDAS60501.2023.10284693Sá 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/Soni, 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/s11042-023-14710-9Wang, 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/MLBDBI51377.2020.00102Yusof, 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.V17I4.374https://apolo.unab.edu.co/en/persons/leonardo-hernan-talero-sarmiento-3ORIGINALTG2_Diseño de un Prototipo Web para la Recomendacion de Series de Anime.pdfTG2_Diseño de un Prototipo Web para la Recomendacion de Series de Anime.pdfTesisapplication/pdf1990249https://repository.unab.edu.co/bitstream/20.500.12749/29305/1/TG2_Dise%c3%b1o%20de%20un%20Prototipo%20Web%20para%20la%20Recomendacion%20de%20Series%20de%20Anime.pdf3ef521a4c165f089db13b75ac8177ac8MD51open accessLicencia.pdfLicencia.pdfLicenciaapplication/pdf676197https://repository.unab.edu.co/bitstream/20.500.12749/29305/7/Licencia.pdf4d08aee2280d542a830307445ba1ce83MD57metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/29305/6/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD56open accessTHUMBNAILTG2_Diseño de un Prototipo Web para la Recomendacion de Series de Anime.pdf.jpgTG2_Diseño de un Prototipo Web para la Recomendacion de Series de Anime.pdf.jpgIM Thumbnailimage/jpeg4666https://repository.unab.edu.co/bitstream/20.500.12749/29305/8/TG2_Dise%c3%b1o%20de%20un%20Prototipo%20Web%20para%20la%20Recomendacion%20de%20Series%20de%20Anime.pdf.jpg37719656cebe46713d38ab03315bb988MD58open accessLicencia.pdf.jpgLicencia.pdf.jpgIM Thumbnailimage/jpeg9762https://repository.unab.edu.co/bitstream/20.500.12749/29305/9/Licencia.pdf.jpg60305fb1be440f8688b2e1f139f2173dMD59metadata only access20.500.12749/29305oai:repository.unab.edu.co:20.500.12749/293052025-05-27 22:00:15.812open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.coRUwoTE9TKSBBVVRPUihFUyksIG1hbmlmaWVzdGEobWFuaWZlc3RhbW9zKSBxdWUgbGEgb2JyYSBvYmpldG8gZGUgbGEgcHJlc2VudGUgYXV0b3JpemFjacOzbiBlcyBvcmlnaW5hbCB5IGxhIHJlYWxpesOzIHNpbiB2aW9sYXIgbyB1c3VycGFyIGRlcmVjaG9zIGRlIGF1dG9yIGRlIHRlcmNlcm9zLCBwb3IgbG8gdGFudG8sIGxhIG9icmEgZXMgZGUgZXhjbHVzaXZhIGF1dG9yw61hIHkgdGllbmUgbGEgdGl0dWxhcmlkYWQgc29icmUgbGEgbWlzbWEuCgpFbiBjYXNvIGRlIHByZXNlbnRhcnNlIGN1YWxxdWllciByZWNsYW1hY2nDs24gbyBhY2Npw7NuIHBvciBwYXJ0ZSBkZSB1biB0ZXJjZXJvIGVuIGN1YW50byBhIGxvcyBkZXJlY2hvcyBkZSBhdXRvciBzb2JyZSBsYSBvYnJhIGVuIGN1ZXN0acOzbi4gRWwgQVVUT1IgYXN1bWlyw6EgdG9kYSBsYSByZXNwb25zYWJpbGlkYWQsIHkgc2FsZHLDoSBlbiBkZWZlbnNhIGRlIGxvcyBkZXJlY2hvcyBhcXXDrSBhdXRvcml6YWRvcywgcGFyYSB0b2RvcyBsb3MgZWZlY3RvcyBsYSBVTkFCIGFjdMO6YSBjb21vIHVuIHRlcmNlcm8gZGUgYnVlbmEgZmUuCgpFbCBBVVRPUiBhdXRvcml6YSBhIGxhIFVuaXZlcnNpZGFkIEF1dMOzbm9tYSBkZSBCdWNhcmFtYW5nYSBwYXJhIHF1ZSBlbiBsb3MgdMOpcm1pbm9zIGVzdGFibGVjaWRvcyBlbiBsYSBMZXkgMjMgZGUgMTk4MiwgTGV5IDQ0IGRlIDE5OTMsIERlY2lzacOzbiBBbmRpbmEgMzUxIGRlIDE5OTMgeSBkZW3DoXMgbm9ybWFzIGdlbmVyYWxlcyBzb2JyZSBsYSBtYXRlcmlhLCB1dGlsaWNlIGxhIG9icmEgb2JqZXRvIGRlIGxhIHByZXNlbnRlIGF1dG9yaXphY2nDs24uCg==

Publicaciones similares