Revista Polo del Conocimiento


Polo del Conocimiento

Sistema de recomendación difuso de productos basado en lógica difusa

Ricardo Geovany García Morales, Emanuel Guillermo Muñoz Muñoz

Resumen


Las tecnologías de la información son ampliamente reconocidas como instrumentos estratégicos, por su capacidad para modificar la estructura y los modelos de negocios de las organizaciones, en la actualidad la gran cantidad de información que debe manejar un individuo en su día a día lo imposibilitan optimizar tiempo en la búsqueda de información deseada, los sistemas de recomendaciones son en la actualidad una herramienta que ayuda a la toma de decisiones y que poco a poco se ha ido involucrando en el mercado y dándole las oportunidades a las empresas a ser más competitivas. El objetivo principal de esta investigación es diseñar un sistema de recomendaciones difuso para poder recomendar productos de la empresa Promyvent a sus clientes de acuerdo al perfil de cada uno de ellos. La metodología utilizada en esta investigación inicio con el pre procesamiento de la base de datos de entrada, se le aplico técnicas de preparación y limpieza además se aplicó un análisis exploratorio de Datos el cual permite realizar un análisis descriptivos, transformación y limpieza de datos, se le  aplico el método del codo de jambu y se estableció que el número de clústers adecuado eran tres, luego en la fase de modelado se aplicó el algoritmo KNN para clasificar cada uno de los datos según las compras de los clientes con menor distancia calculada, luego para aumentar el nivel de precisión en la clasificación de datos se aplicó el método C Means, de esta manera se obtiene una partición difusa optima otorgando un grado de membresía a cada punto de datos. Por ultimo como resultado la recomendación se genera a partir del perfil de cada cliente, la precisión del modelo parte en base a los registros históricos de compras de los clientes para poder identificar el grado de membresía que tiene cada cliente de acuerdo a su perfil y partiendo de estos datos el modelo generó el filtrado de un top de siete productos en las recomendaciones de principal interés. El modelo implementado beneficia a la empresa no solo a recomendar un top siete de productos de interés de acuerdo al perfil del cliente si no también identificar los productos que tienen mayor y menor rotación de inventario.


Palabras clave


Productos; Sistemas de recomendación; Lógica difusa; Filtrado colaborativo; Ventas; KNN; C Means.

Referencias


Altamirano, K. L. (2020). Innovación en empresas de Cuenca-Ecuador: Empleo de modelística inteligente en el sector textil. Revista de ciencias sociales, 26(3), 148-162.

Askari, S. (2021). Algoritmo de agrupamiento Fuzzy C-Means para datos con tamaños de clúster desiguales y contaminados con ruido y valores atípicos: revisión y desarrollo. Sistemas expertos con aplicaciones, 165 , 113856.

Camino, R. C. (2017). Emprendimiento e innovación en Ecuador, análisis de ecosistemas empresariales para la consolidación de pequeñas y medianas empresas. INNOVA Research Journal, 2(9.1), 73-87.

Charnelli, M. E. (2017). Sistema recomendador basado en tópicos latentes. In Congreso Argentino de Ciencias de la Computación, Vol 23.

Chesñevar, C. I. (2018). El comercio electrónico en la era de los bots. Universidad Nacional del Sur y CONICET, 126-135.

Choenyi, T. T. (2021). A review on the filtering techniques used in the restaurant recommendation system. In t. J. Computation. Science Crowd. Compute, 10 (4), 113-117.

Chuya, J. C. (2021). Economía digital, herramienta para mejorar la competitividad y productividad en las PYMES caso: Machala-Ecuador. 593 Digital Publisher CEIT, 6(3), 76-86.

Costa, M. P. (2018). Inversión en TICS en las empresas del Ecuador para el fortalecimiento de la gestión empresarial Periodo de análisis. Revista Espacios, 39(47).

Cuenca Mogro, E. M. (2019). Investigación y análisis de sistemas de recomendaciones basados en reglas y Fuzzy para el control de la diabetes sobre artículos científicos y sistemas existentes. Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas., Guayauil.

Cui, Z. X. (2020). Sistema de recomendación personalizado basado en filtrado colaborativo para escenarios IoT. IEEE Transactions on Services Computing , 13 (4), 685-695.

de la Maza, L. L. (2019). Análisis de componentes principales aplicado a la fermentación alcohólica. Revista Científica de la UCSA, 6(2), 11-19.

De-La-Hoz, E. J.-L.-H. (2019). Metodología de aprendizaje automático para la clasificación y predicción de usuarios en ambientes virtuales de educación. Información tecnológica, 30(1), 247-254.

Esteban, I. G. (2017). Fundamentos y técnicas de investigación comercial. Esic Editorial.

Flores Macalupú, L. E. (2022). Una introducción a la clasificación difusa. Una introducción a la clasificación difusa. Universidad Nacional de Piura, Piura.

Gallego, L. &. (2019). Variables de influencia en la capacidad de aprendizaje. un análisis por conglomerados y componentes principales. Información tecnológica, 30(2), 257-264.

Gómez, P. G. (2019). Sistemas de Recomendación: un enfoque a las técnicas de filtrado. Revista Ibérica de Sistemas e Tecnologias de Informação, 286-293.

González, J. &. (03 de 2018). Innovación tecnológica en las empresas. Observatorio de la Economía Latinoamericana.

Holguera, F. P. (2021). Sistemas de recomendación basados en filtrado colaborativo:: aceleración mediante computación reconfigurable y aplicaciones predictivas sensoriales. Universidad de Extremadura.

Jara, A. A. (2017). Evaluación comparativa del sistema de control interno del sector comercial y del sector público del Cantón Morona. Killkana sociales: Revista de Investigación Científica, 1(1), 31-38.

Kaushik, A. G. (2018). Una recomendación de película. Sistema utilizando Redes Neuronales. Revista internacional de investigación avanzada, ideas e innovaciones en tecnología, 4 (2), 425-430.

Keerthana, T. B. (2021). Sistema de recomendación de productos Flipkart. Journal of Engineering Sciences, 33 , 34.

Kishnani García, S. F. (2020). Uso de TIC y el desempeño laboral en empresas de comercio en Lima Metropolitana. Universidad San Ignacio de Loyola, Lima.

Maillo, J. L. (2018). Un enfoque aproximado para acelerar el algoritmo de clasificacion Fuzzy kNN para Big Data. Asociación Española para la Inteligencia Artificial (AEPIA)., (pp. 1143-1148).

Mero-Vélez, J. M. (2018). Empresa, administración y proceso administrativo. Revista Científica FIPCAEC (Fomento de la investigación y publicación en Ciencias Administrativas, Económicas y Contables). ISSN: 2588-090X. Polo de Capacitación, Investigación y Publicación (POCAIP), 3(8), 84-102.

Morales, C. A. (2018). Algoritmo SVD aplicado a los sistemas de recomendación en el comercio. Tecnología Investigación y Academia, 6(1), 18-27.

Nainggolan, R. P.-a. (2019). Se mejoró el rendimiento del clúster de K-means utilizando la suma de errores cuadráticos (SSE) optimizada mediante el uso del método Elbow. En Journal of Physics: Conference Series, (Vol. 1361, No. 1, p. 012015).

Pacheco Pazmiño, H. W. (2018). Estudio de algoritmos de filtrado basado en contenidos para sistemas recomendadores de in formación. Universidad Técnica de Cotopaxi: Facultad de Ciencias de la Ingeniería y Aplicadas)., Latacunga.

Padmanandam, K. B. (2021). Una visualización de nube de palabras dinámica con reconocimiento de voz para resúmenes de texto. En 2021 6th International Conference on Inventive Computation Technologies (ICICT) IEEE., (pp. 609-613).

Pérez, S. C. (2018). Análsis, diseno y desarrollo de un sistema de recomendación basado en datos restauranteros de TripAdvisor y Foursquare. Research in Computing Science, 147, 209-224.

Pita, G. E. (2018). Las TICs en las empresas: evolución de la tecnología y cambio estructural en las organizaciones. Dominio de las Ciencias, 4(1), 499-510.

Polo Otero, J. L. (2017). Relación entre I+ D, actividades innovadoras y resultados empresariales: un análisis para el sector de alimentos y bebidas en Colombia. Dimensión Empresarial, 15(1), 175-197.

PRIETO, J. E. (2018). Los beneficios de la inteligencia artificial en el sector empresarial. Los beneficios de la inteligencia artificial en el sector empresarial. UNIVERSIDAD SANTO TOMAS, Bogota.

Proaño, M. F. (2018). Los sistemas de información y su importancia en la transformación digital de la empresa actual. Revista Espacios, 39(45).

Rouhiainen, L. (2018). Inteligencia artificial. Madrid: Alienta Editorial.

Sellars, B. S.-A. (2018). Uso de nubes de palabras para analizar datos cualitativos en entornos clínicos. Gestión de enfermería, 49 (10), 51-53.

Umargono, E. S. (2020). Optimización de agrupamiento de K-medias utilizando el método del codo y la determinación temprana del centroide en función de la media y la mediana. En Actas de las Conferencias Internacionales sobre Sistemas y Tecnologías de la Información-CONRIST, (pp. 234-240).

Yera, R. y. (2017). Herramientas difusas en sistemas de recomendación: una encuesta. Revista Internacional de Sistemas de Inteligencia Computacional, 10 (1), 776-803.


Texto completo: PDF HTML

DOI: 10.23857/pc.v7i9.4620

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: [email protected][email protected]

URL: https://www.polodelconocimiento.com/

 

 

            



Top