Calderon, Juan ManuelPadilla Reyes, Laura JulianaBonifaz Oviedo, Natalia2021-07-032021-07-032021-06-30Bonifaz, N, & Padilla, L. (2021). Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales [Tesis de pregrado, Universidad Santo Tómas]. Repositorio Institucionalhttp://hdl.handle.net/11634/34732La digitalización en la industria de la moda está atrayendo la atención tanto de los consumidores como de los servicios de compra online. Por ello, cada vez es más importante contar con un sistema de recomendación personalizado y eficaz. Sin embargo, la mayoría de los sistemas tradicionales se centran en las recomendaciones sin tener en cuenta la relación entre la ropa y el usuario, lo que disminuye la precisión de las recomendaciones. Por ello, se propone un sistema de recomendación de moda basado en las preferencias del usuario. La capacidad de adaptación del sistema viene dada por dos fases. La primera genera una memoria a corto plazo que se actualiza constantemente con las interacciones del usuario. La segunda crea una memoria a largo plazo basada en una DNN. El sistema de recomendación está estructurado en 3 fases: Generador de Bases de Datos, Clasificación de Modelos y Perfilado Implícito. El Generador de Bases de Datos codifica las características visuales de las prendas. El Modelo de Clasificación se ocupa de la puntuación de las recomendaciones. El perfil implícito actualiza la clasificación según las preferencias del usuario. Por último, el sistema se evalúa utilizando imágenes proporcionadas por el usuario. A través de experimentos basados en la interacción con el usuario, el sistema demuestra su capacidad de adaptación al recomendar conjuntos similares a las selecciones anteriores del usuario. El sistema propuesto demostró la capacidad de ajustarse a las preferencias del usuario a través de las interacciones hombre-máquina, tal y como se requiere para este tipo de sistema de recomendación.\Digitalization in the fashion industry is attracting the attention of both consumers and online shopping services. Therefore, a personalized and efficient recommendation system is becoming increasingly important. However, most of the traditional systems focus on recommendations without considering the outfit-user relationship, decreasing the accuracy of the recommendations. Therefore, we propose a fashion recommendation system based on user preferences. The adaptive capacity of the system is given by two phases. The first one generates a short-term memory that is constantly updated with the user's interactions. The second one creates a long-term memory based on a DNN. The recommendation system is structured in 3 stages: Database Generator, Model Ranking, and implicit profiling. The Database Generator encodes the visual characteristics of the garments. The Ranking Model deals with the scoring of the recommendations. The implicit profiling updates the ranking according to the user's preferences. Finally, the system is evaluated using images provided by the user. Through experiments based on user interaction, the system demonstrates adaptation capabilities by recommending similar outfits to the previous user selections. The proposed system demonstrated the ability to adjust to user preferences through human-machine interactions, as required for this type of recommendation system.application/pdfspaCC0 1.0 Universalbachelor thesisIntelligence Systems and applicationsIntelligence SystemsDeep LearningTechnological innovations -- Neural networksTechnological innovations -- Neural networksOnline services for consumersInnovaciones tecnologicas -- Redes neuronalesSrvicios en linea para consumidoresPrendas de vestirAbierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Sistemas de Inteligencia y aplicacionesInteligencia artificialDeep Learningreponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.co