Hacia una Estrategia de Recomendación por Similitud Semántica en Repositorios con Grandes Volúmenes de Datos de Medición y Evaluación

Autores/as

  • María Laura Sánchez Reynoso, Doctoranda Data Science Research Group. La Pampa - Argentina
  • Mario José Diván Director

DOI:

https://doi.org/10.33414/ajea.1068.2022

Palabras clave:

Similitud Semántica, Recomendación, Medición

Resumen

Un proceso de medición debiera ser repetible, extensible a nuevos requerimientos y sus medidas debieran poder ser comparables. Esto es así, para poder posibilitar que el mismo proceso de medición pueda ser implementado por diferentes actores, de manera que sus resultados sean comparables a lo largo del tiempo. Definido el proceso de medición, las medidas necesitan ser interpretadas a fin de poder tomar decisiones y a partir de ello recomendar cursos de acción. Puede suceder que dependiendo de la entidad que se encuentre bajo monitoreo, y una situación en particular, no siempre se dispone con antecedentes o conocimientos previos. Ello provocaría que, a pesar de haber identificado la situación, no sería posible brindar recomendaciones o cursos de acción configurado al escenario específico. Adicionalmente el Internet de las Cosas (en inglés, Internet of Things - IoT) ha permitido llevar a cabo el desarrollo de estrategias de recolección de datos, soportando procesos de toma de decisiones en tiempo real. El objetivo consiste en desarrollar una estrategia de recomendación a partir de mediciones, basado en el análisis de similitud semántica que permita brindar experiencias y-o recomendaciones por analogía con otra entidad.

Descargas

Métricas

Visualizaciones del PDF
81
Oct 04 '22Oct 07 '22Oct 10 '22Oct 13 '22Oct 16 '22Oct 19 '22Oct 22 '22Oct 25 '22Oct 28 '22Oct 31 '22Nov 01 '222.0
| |

Descargas

Publicado

2022-10-03

Cómo citar

Sánchez Reynoso, M. L., & Diván, M. J. (2022). Hacia una Estrategia de Recomendación por Similitud Semántica en Repositorios con Grandes Volúmenes de Datos de Medición y Evaluación. AJEA (Actas De Jornadas Y Eventos Académicos De UTN), (15). https://doi.org/10.33414/ajea.1068.2022