Índice

INTRODUCCIÓN ........................................................................................................................................ 1

1. OBJETIVOS ........................................................................................................................................ 3

2. ESTADO DEL ARTE ........................................................................ ¡ERROR! MARCADOR NO DEFINIDO.

2 MARCO TEÓRICO .............................................................................................................................. 4

3.1 HISTORIA DE LA METODOLOGÍA CASCADA O WATERFALL ....................................................................................4

3.2 QUE ES METODOLOGÍA CASCADA ..................................................................................................................6

3.3 CARACTERÍSTICAS DE LA METODOLOGÍA DE CASCADA.................................. ¡ERROR! MARCADOR NO DEFINIDO.

3.4 FASES DE LA METODOLOGÍA CASCADA ...................................................... ¡ERROR! MARCADOR NO DEFINIDO.

1. Fase de requerimientos .................................................................... ¡Error! Marcador no definido.

2. Fase etapa de diseño del sistema ..................................................... ¡Error! Marcador no definido.

3. Fase etapa de implementación ........................................................ ¡Error! Marcador no definido.

4. Fase etapa de Pruebas ..................................................................... ¡Error! Marcador no definido.

5. Fase etapa de Desarrollo.................................................................. ¡Error! Marcador no definido.

6. Fase etapa de Mantenimiento ......................................................... ¡Error! Marcador no definido.

3.5 VENTAJAS Y DESVENTAJAS DE METODOLOGÍA CASCADA .............................. ¡ERROR! MARCADOR NO DEFINIDO.

7. Ventajas ........................................................................................... ¡Error! Marcador no definido.

8. Desventajas ...................................................................................... ¡Error! Marcador no definido.

3.6 APLICACIÓN DE METODOLOGÍA EN CASCADA ............................................. ¡ERROR! MARCADOR NO DEFINIDO.

4 EJEMPLO DE DESARROLLO DE WATERFALL .................................. ¡ERROR! MARCADOR NO DEFINIDO.

5 CONCLUSIONES ............................................................................ ¡ERROR! MARCADOR NO DEFINIDO.

6 BIBLIOGRAFÍA .............................................................................. ¡ERROR! MARCADOR NO DEFINIDO.

 1

Resumen

El presente trabajo tiene como finalidad el desarrollo de un sistema experto que permita

recomendar películas de cada género con base a las preferencias del usuario.

El desarrollo de este trabajo es de permitir al usuario seleccionar la película más

adecuada según las preferencias del usuario.

Esta recomendación sigue un algoritmo, que sea consistente para comparar las

calificaciones de cada género, teniendo como base las películas a las cuáles el usuario ha

otorgado una puntuación, con lo que el sistema experto podrá recomendar una película.

En el presente caso de estudio es el mundo cinematográfico debido a que la

información de referencia de la base de datos (adquisición del conocimiento) ha sido

proporcionada, por netflix, disney, star+, streaming.

Palabras Clave: Sistema Experto, recomendar película, adquisición del conocimiento.

 2

Abstract

The purpose of this work is to develop an expert system that allows us to recommend

movies of each genre based on the user's preferences.

The development of this work is to allow the user to select the most appropriate movie

according to the user's preferences.

This recommendation follows an algorithm that is consistent to compare the ratings of

each genre, based on the movies to which the user has given a score, so that the expert system

can recommend a movie.

In the present case study it is the cinematographic world because the reference

information of the database (knowledge acquisition) has been provided by Netflix, Disney,

Star+, streaming.

Keywords: Expert System, recommend movie, knowledge acquisition

 3

Introducción

El objetivo de este trabajo es recomendar al usuario una película teniendo como base

las preferencias del usuario, por lo que se desarrollara un sistema experto que permitirá

recomendar una película según el género y la preferencia.

Con el avance de la tecnología se crean nuevas herramientas de trabajo con lo que

también se generan nuevas necesidades, muchas veces escoger una herramienta se torna un

problema y terminamos pidiendo consulta a un experto en el tema, quien nos recomienda cuál

o cuáles de ellos es el adecuado para nuestro uso.

Con el nacimiento de la inteligencia artificial se generan nuevos conocimientos el cual

nos ayuda en múltiples tareas como la creación de sistemas experto, un sistema experto simula

a un experto humano y nos puede dar diagnósticos, recomendaciones e incluso soluciones.

A lo largo del tiempo el entretenimiento ha sufrido grandes cambios, un caso son las

películas que se podían ver comprando un VHS, CD o DVD y visualizarlo en un reproductor. En

la actualidad con las constantes innovaciones informáticas surgen gigantes de la industria del

entretenimiento Netflix, Disney, Star +, streaming y otros, donde se pueden ver series y

películas para poder ser vistas en distintos dispositivos (TVs, Laptos, Tablets, Celulares, etc).

Haciendo más accesibles a lo que era hace unos años atrás, sin embargo visto una gran

cantidad de películas el usuario a menudo se pregunta qué película ver.

En el presente trabajo se desarrollará un sistema experto que permitara recomendar

una película según las preferencias del usuario.

1. Objetivos

Objetivo General
 4

 Desarrollar un sistema experto que permita recomendar una película de acuerdo a la

preferencia del usuario.

Objetivo Especifico

 Analizar la información ingresada para transformarla en requerimientos.

 Medir las calificaciones realizadas por el usuario sobre las películas recomendadas para

verificar la efectividad de las recomendaciones realizadas por el sistema experto.

 Maximizar la cantidad de visualizaciones.

2 Marco Teórico

3.1 Estado del Arte

Actualmente, Internet ofrece un gran volumen de información provocando que la

selección de información se haya convertido en un proceso complejo para el usuario

Los sistemas de recomendación [1] son sistemas que acceden a la información

mediante la técnica del filtrado presentando un resultado personalizado al usuario. El proceso

que siguen consiste en dos etapas: creación del perfil del usuario, donde se recopila

información sobre él y la recomendación de ítems atendiendo a las preferencias del usuario.

Por lo tanto, los sistemas de recomendación funcionan a partir de la información sobre

el usuario, lo que se conoce como perfil de usuario. La información puede clasificarse en dos

tipos: explícita e implícita. Un sistema de recomendación utiliza información explícita cuando el

usuario proporciona sus preferencias de manera consciente en el perfil. Solicitar al usuario una

calificación sobre un ítem en particular o sobre un conjunto de ítems, o la elección de entre dos

o más ítems, así como la generación de una lista de ítems de preferencia, son ejemplos de

recolección de información explícita. Un sistema de recomendación utiliza información implícita

si deducen las preferencias del usuario a partir del comportamiento y del historial del mismo.
 5

Almacenar un registro con los ítems que el usuario ha visto recientemente, o con los ítems que

el usuario ha seleccionado, así como analizar las redes sociales a las que el usuario pertenece,

son ejemplos de recolección de información implícita.

El crecimiento exponencial de la cantidad de información presente en Internet ha

derivado en un aumento del interés por la investigación en el ámbito de los sistemas de

recomendación. Actualmente, los sistemas de recomendación están presentes en la gran

mayoría de páginas web con el fin de servir de ayuda.

El mundo cinematográfico cuenta con un elevado número de películas, donde

características como el género, directores, actores, etc. son referentes de aceptación o rechazo

por parte de los usuarios. Así mismo, es un ámbito idóneo de aplicación de los sistemas de

recomendación debido a la gran cantidad de información existente.

Los sistemas de recomendación sobre el mundo cinematográfico son de uso muy

frecuente en países como Estados Unidos, mientras que en nuestro país el conocimiento sobre

su existencia es bastante reducido.

Los sistemas de recomendación de películas para plataforma web son Netflix, Disney,

Star +, steaming y otros

Sin embargo, Internet es la única plataforma que ofrece servicios de recomendación de

películas, aunque se espera que en un futuro próximo también lo sea la televisión. Los usuarios

del servicio también podrán realizar búsquedas semánticas por conjuntos de palabras, de tal

forma que mediante uno o varios términos, el sistema explore en todo el catálogo de

contenidos aquellos que se ajusten a lo expresado en lenguaje natural por el telespectador.

Esto permitirá complementar las actuales búsquedas estructuradas basadas únicamente en

género como por ejemplo "Cine  Comedia" por otras como "relaciones de amistad", que

podría permitir encontrar películas en el que ese tema sea relevante, así como documentales
 6

de sociedad, noticias relacionadas, etc. El objetivo del servicio, es diferenciar la televisión

proporcionada, por un lado incidiendo en los cambios de consumo registrados en los últimos

años y por otro orientando a la oferta de contenidos hacia el cliente.

3.2 Sistema Experto

son programas informáticos que tienen el objetivo de solucionar un problema concreto y

utilizan la Inteligencia Artificial (IA) para simular el razonamiento de un ser humano. Se

denominan sistemas expertos porque estos programas imitan la toma de decisiones de un

profesional en la materia.

Actualmente, se consideran dentro del global de la Inteligencia Artificial. Se crearon

durante la década de los 60 (aunque alcanzaron su mayor popularidad en los años posteriores)

y fueron uno de los primeros sistemas de Inteligencia Artificial utilizados con éxito [2].

3.3 Tipos de sistemas expertos

Los tipos de sistemas expertos que existen y que configuran el funcionamiento del

motor de inferencia pueden estar basados en:

 Reglas previamente establecidas (RBR, del inglés Rule Based Reasoning) o

encadenamiento hacia atrás. Estos comienzan con una hipótesis o posible

solución y luego buscan una evidencia que la apoye. Para ello, aplica reglas

heurísticas respaldadas generalmente en la lógica difusa para su evaluación y

aplicación.

 Basados en casos (CBR, del inglés Case Based Reasoning) o

encadenamiento hacia delante. Este tipo comienza con datos disponibles y los

utiliza para generar nuevas conclusiones. Por medio de este razonamiento, la

 7

solución llega después de analizar un problema similar planteado con

anterioridad y adaptarlo al nuevo.

 Basados en redes bayesianas. Fundamentados en la estadística y en el

teorema de Bayes, son utilizados, sobre todo, para la predicción, clasificación o

el diagnóstico de enfermedades y en medicina.[3].

3.4 Ventajas de un sistema Experto

 Disponibilidad. Los sistemas expertos están disponibles fácilmente, en cualquier

parte y a cualquier hora, debido a la producción en masa del software.

 Riesgo reducido. Una compañía puede operar un sistema experto en ambientes

peligrosos para los humanos. Se pueden usar en cualquier entorno de riesgo

donde los humanos no puedan trabajar.

 Conocimiento empresarial. Pueden convertirse en un vehículo para desarrollar

un conocimiento organizacional, en contraste con el conocimiento de los

individuos en una empresa.

 Explicación de respuesta. Son capaces de razonar su decisión. Cuando se usan

como herramientas de entrenamiento dan como resultado una curva de

aprendizaje más rápida para los principiantes.

 Respuesta rápida. Ayuda a obtener respuestas rápidas y precisas. Un sistema

experto puede completar las tareas mucho más rápido que un experto humano.

 Tasa de error baja. La tasa de error de los sistemas expertos exitosos es

bastante baja, a veces mucho más baja que la tasa de error del ser humano

para la misma tarea.

 8

 Respuesta no emotiva. Los sistemas expertos funcionan sin emocionarse. No

están tensos, fatigados ni entran en pánico, y trabajan de manera constante en

situaciones de emergencia.

 Permanencia del conocimiento. Mantiene un nivel significativo de información.

Este conocimiento contenido durará indefinidamente, sin olvidarse.

 Creación rápida de prototipos. Con un sistema experto es posible ingresar

algunas reglas y desarrollar un prototipo en días, en lugar de meses o años

asociados comúnmente con proyectos complejos de informática.

 Múltiples experiencias. Se puede diseñar para que contenga el conocimiento de

muchos expertos calificados y la capacidad de resolver problemas complejos.

Esto reduce el gasto de recurrir a expertos consultores para la resolución de

problemas. Son un vehículo para obtener fuentes de conocimiento difíciles de

conseguir [4].

3.5 Procesos para la implementación de un sistema experto en recomendación de

películas

1. Procesos de recomendación

 Realización de preguntas necesarias al usuario.

 Analizar las respuestas del usuario.

 Recomendar la película de acuerdo a las preferencias del usuario.

 Recibir una puntuación sobre la película recomendada.

2. Caso de uso
9
10
 11

 puede ser muy costoso diseñar el código nuevamente.

 Este plan de proyecto es lineal, rígido y carece de flexibilidad para

adaptarse a eventos inesperados. [11]