Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/120146
Títol: | Sistema de recomendación musical para eHealth |
Autoria: | Quijada Gomariz, Adrián |
Director: | Casas-Roma, Jordi |
Tutor: | Parada Medina, Raúl |
Resum: | S'ha observat en estudis mèdics que escoltar música, cantar o tocar un instrument porta un efecte de rehabilitació positiu en diverses malalties neurològiques. ParkinSons és una aplicació mòbil nascuda com una iniciativa de OPENeHealth entre la Universitat Oberta de Catalunya, l'Hospital de la Santa Creu i Sant Pau i GMV que té la intenció de millorar la qualitat de vida de persones amb la malaltia de Parkinson mitjançant exercicis personalitzats de música, vídeo i àudio. Els Sistemes de Recomanació són sistemes de filtrat d'informació, originalment destinats a proporcionar suggeriments d'interès a un usuari particular. L'objectiu d'aquest treball és desenvolupar un sistema de recomanació que ajudi a modelar la relació entre els objectes multimèdia considerats en l'aplicació Parkinsons (en concret, música) i els usuaris per a millorar en els diferents aspectes de la malaltia. Per a aconseguir aconseguir-ho, es realitzen les següents accions: S'analitzen les diferents enfocaments existents en l'estat de l'art (content-based, collaborative-filtering i híbrides). S'investiga sobre la contribució de la informació contextual a l'hora de realitzar recomanacions. S'implementen algorismes de recomanació, en funció de l'anàlisi anterior, amb les tècniques més capdavanteres mitjançant xarxes neuronals: Autoencoder, Matrix Factorization i Factorization Machines. Finalment, es realitzen experiments per a determinar la millor arquitectura i un estudi comparatiu entre totes les solucions. Es determina que la tècnica Factorization Machine (basada en collaborative-filtering) proporciona uns resultats òptims utilitzant la informació contextual. Com a línies de treball futures, proposem la implementació de solucions Factorization Machine basades en grafs. |
Paraules clau: | autoencoder sistema de recomanació filtre col·laboratiu factorització matricial màquines de factorització |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | 24-jun-2020 |
Llicència de publicació: | http://creativecommons.org/licenses/by/3.0/es/ |
Apareix a les col·leccions: | Bachelor thesis, research projects, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
TFM-AdrianQuijada.pptx | Presentación TFM | 28,41 MB | Microsoft Powerpoint XML | Veure/Obrir |
TFM_procesado_datos.ipynb | Código desarrollado TFM | 207,66 kB | Jupyter Notebook | Veure/Obrir |
aquijadagTFM0620memory.pdf | Memoria del TFM | 1,28 MB | Adobe PDF | Veure/Obrir |
aquijadagTFM0620presentation.pdf | Presentación en PDF del TFM | 2,02 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons