Modelado para la recomendación personalizada de noticias basado en técnicas de aprendizaje automático

Abstract
La digitalización ha generado que los usuarios se encuentren ante una sobreexposición de información, lo cual hace que tanto los usuarios como los medios de comunicación tradicionales y digitales se vean afectados. Para abarcar esta problemática, la ciencia de datos propone modelos de recomendación de noticias, los cuales tienen como objetivo analizar los gustos de los usuarios y, en función de estos generar filtros para proporcionarle al usuario una experiencia que ofrezca noticias de su interés. Con este proyecto buscamos desarrollar un modelo basado técnicas de aprendizaje automático para la recomendación personalizada de noticias. Para lograr el objetivo de este proyecto se realizan distintas fases como la preparación de los datos, modelado, entrenamiento, validación y finalmente se desarrolla un prototipo para la recomendación personalizada de noticias. Se aplican dos enfoques para las recomendaciones: el filtrado basado en contenido y el filtrado colaborativo, por la estructura de los datos utilizados, este último enfoque genera mejores recomendaciones. Los resultados muestran que el modelo denominado Descomposición en Valores Singulares (SVD) presenta el mejor desempeño en las predicciones determinado por la raíz del error cuadrático medio (RMSE) de 0,2461 y un F1-Score de 0,8118 en las listas personalizadas de recomendación de noticias.
Description
item.page.descriptioneng
Digitalization has meant that users are faced with an overexposure of information, which means that both users and traditional and digital media are affected. To address this problem, data science proposes news recommendation models, which aim to analyze user tastes and, based on these, generate filters to provide the user with an experience that offers news of interest to them. With this project we seek to develop a model based on machine learning techniques for personalized news recommendation. To achieve the objective of this project, different phases are carried out such as data preparation, modeling, training, validation and finally a prototype is developed for personalized news recommendation. Two approaches are applied for recommendations: content-based filtering and collaborative filtering, due to the structure of the data used, the latter approach generates better recommendations. The results show that the model called Singular Value Decomposition (SVD) presents the best prediction performance determined by the root mean square error (RMSE) of 0.2461 and an F1-Score of 0.8118 in the personalized news recommendation lists.
Keywords
Aprendizaje Automático, Sobresaturacion de noticias, Usuarios, Modelos de recomendación Personalizada, Filtros, Machine Learning, News Overload, Users, Personalized Recommendation Models, Filters
Citation