No abstract

Abstract. This research proposes a hybrid recommender system for restaurants that uses fuzzy inference systems together with collaborative filtering and contentbased techniques, considering the expert's experience, the ratings given by similar users and restaurant model. Content-based technique seeks to alleviate the coldstart problem, which commonly arises in collaborative filtering. The goal is to help each user to find interesting restaurants in the city. To evaluate the recommender system a data set of 50 users and 60 restaurants was tested. Was used RMSE for obtain the accuracy in the recommendations.

No abstract

Resumen. Hoy en día, los sistemas de recomendación son utilizados en diferentes tipos de aplicaciones. Un sistema de recomendación de restaurantes proporciona recomendaciones considerando los gustos y preferencias del usuario con el propósito de facilitar al usuario la selección de restaurantes que posteriormente visitará. El objetivo de este trabajo es desarrollar una aplicación para hacer recomendaciones de restaurantes que permitan difundir información sobre productos y servicios ofrecidos en Tijuana a través de una página Web. El algoritmo de recomendación propuesto se basa en el enfoque de post-filtrado, utiliza el algoritmo de filtrado colaborativo y la información contextual de la situación actual del usuario para obtener recomendaciones contextuales. El conjunto de datos fue adquirido a través de cuestionarios contestados por 50 personas, se hicieron recomendaciones con una matriz de valoraciones que contiene 1,422 votos contextuales, 50 usuarios y 40 restaurantes. Se utilizó el Error Absoluto Medio para evaluar el desempeño del sistema de recomendación.Palabras clave: Sistemas de recomendación, filtrado colaborativo, contexto, post-filtrado.