Estudio y análisis de minería de trayectorias para recomendación de rutas deportivas

Abstract

El uso de aplicaciones con las que monitorizar el rendimiento deportivo se ha convertido en una costumbre muy arraigada en las sociedades actuales. En estas aplicaciones las personas comparten sus marcas, fotos, comentarios y recorridos a fin de mostrarles a los demás sus progresos y capacidades. Aunque tratándose de un sector en auge, no existen muchos mecanismos capaces de sugerirle aun usuario recorridos que podrían interesarle en una ciudad nueva o ayudarle a descubrir nuevas rutas que le puedan interesar de una manera personalizada y acorde a sus capacidades y características. Así, en este trabajo se abordan dos puntos fundamentales. Primeramente, la construcción y estudio de un conjunto de datos obtenidos a partir de una red social de carácter deportivo. Seguido de la implementación de un sistema capaz de generar recomendaciones a los usuarios de dicho conjunto sobre qué rutas o recorridos podrían resultarles de interés acorde a sus preferencias. Para obtener los datos se han estudiado y comparado un grupo de sitios webs que poseyeran una interfaz de programación de aplicaciones de acceso gratuito y en la cual se encontrasen datos y características de usuarios con sus recorridos registrados en la aplicación. Estos datos posteriormente son estudiados y tratados para poder ser empleados por los algoritmos de recomendación elegidos. Los algoritmos de recomendación empleados se han seleccionado acorde a la naturaleza de los datos y con el fin de optimizar y aprovechar sus características intrínsecas de la forma más intuitiva posible. Estos han sido la factorización de matrices y las máquinas de factorización. Las métricas con las que se han evaluado los métodos han sido precision y recall, las cuales a pesar de su sencillez permiten obtener un amplio abanico de conclusiones y variedad de resultados. Finalmente, a pesar de que los porcentajes de acierto en las predicciones no resultan particular mente altos, los métodos han demostrado reaccionar mejor o peor ante ciertas características, mostrando mayor o menor afinidad hacia ciertos tipos de datos, sentando así las bases para trabajos futuros en lo que a recomendación de rutas se refiere.