Recommendation System for Netflix / Sistema de recomendacion para Netflix

Providing a useful suggestion of products to online users to increase their consumption on websites is the goal of many companies nowadays. People usually select or purchase a new product based on some friend’s recommendations, comparison of similar products or feedbacks from other users. In order t...

Descripción completa

Detalles Bibliográficos
Autor Principal: Molina Fernandez, Leidy Esperanza
Formato: Trabajo de grado (Bachelor Thesis)
Lenguaje:Desconocido (Unknown)
Publicado: 2018
Materias:
Acceso en línea:http://babel.banrepcultural.org/cdm/ref/collection/p17054coll23/id/1036
Descripción
Sumario:Providing a useful suggestion of products to online users to increase their consumption on websites is the goal of many companies nowadays. People usually select or purchase a new product based on some friend’s recommendations, comparison of similar products or feedbacks from other users. In order to do all these tasks automatically, a recommender system must be implemented. The recommender systems are tools that provide suggestions that best suit the client’s needs, even when they are not aware of it. That offers of personalized content are based on past behavior and it hooks the customer to keep coming back to the website. In this paper, a movie recommendation mechanism within Netflix will be built. The dataset that was used here consists of over 17K movies and 500K+ customers. The main types of recommender algorithm are Popularity, Collaborative Filtering, Content-based Filtering and Hybrid Approaches. All of them will be introduced in this paper. We will select the algorithms that best fit to the data and we will implement and compare them. Resumen Proporcionar una sugerencia útil de productos a los usuarios para incentivar su consumo en las páginas web es el objetivo de muchas empresas hoy en día. Por lo general, la gente selecciona o compra un nuevo producto basándose en las recomendaciones de algún amigo, en la comparación de productos similares o en los comentarios de otros usuarios. Para poder realizar todas estas tareas automáticamente, se debe implementar un sistema de recomendación. Los sistemas de recomendación son herramientas que proporcionan las sugerencias que mejor se adaptan a las necesidades del cliente, incluso cuando éste no es consciente de ello. Las ofertas de contenido personalizado se basan en el comportamiento del cliente en el pasado e intenta enganchar al cliente para que siga regresando al sitio web. En este trabajo, se construirá un mecanismo de recomendación de películas dentro de Netflix. El conjunto de datos que se utilizó aquí consta de más de 17.000 películas y más de 500.000 clientes. Los principales tipos de algoritmos de recomendación son Popularity, Collaborative Filtering, Content-based Filtering y Hybrid Approaches. Todos ellos serán presentados en este documento. Seleccionamos los algoritmos que mejor se adaptan a los datos y los implementamos y comparamos.