Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y Android

Resumen

Introducción: Este artículo se orienta en presentar el diseño de una aplicación móvil que involucra la tecnología NFC y un algoritmo recomendador colaborativo bajo la técnica de los K-vecinos, permitiendo observar sugerencias personalizadas para cada cliente.

Objetivo: Diseñar y desarrollar una aplicación móvil, usando tecnologías NFC y Técnica de los K-Vecinos en una Algoritmo recomendador, para un Sistema de Compras.

Metodología: El proceso seguido para el diseño y desarrollo de la aplicación se enfoca en:

• Revisión del estado del arte en los sistemas de compras móviles.

• Construcción del Estado del arte en el uso de la Tecnología NFC y las técnicas de IA para sistemas recomendadores, enfocadas en los Algoritmos de K-Vecinos.

• Diseño del sistema Propuesto

• Parametrización e implementación de la Técnica de los K-Vecinos e integración de la Tecnología NFC.

• Implementación y Pruebas del Sistema Propuesto.

Resultados: Dentro de los resultados obtenidos se detallan:

• Aplicación móvil que integra Android, Tecnologías NFC y una Técnica de Algoritmo Recomendador

• Parametrización de la Técnica de los K-Vecinos, para ser usada dentro del algoritmo recomendador.

• Implementación de requerimientos funcionales que permiten generar recomendaciones personalizadas de compra al usuario, calificaciones de usuario.

Conclusiones: La técnica de los k-vecinos en un algoritmo recomendador permite suministrarle al cliente una serie recomendaciones con un nivel de seguridad, dado que este algoritmo realiza cálculos teniendo en cuenta múltiples parámetros y contrasta los resultados obtenidos para otros usuarios logrando encontrar los artículos con un mayor grado de similitud con el perfil del cliente. Este algoritmo parte de una muestra de productos similares, complementarios y otros no relacionados, aplicando su formulación respectiva, se obtiene que la recomendación se realiza únicamente con los productos complementarios que obtuvieron mayor calificación; marcando una gran diferencia con la mayoría de sistemas recomendadores del mercado, que sólo se limitan a sugerir los productos más vendidos, mejor calificados o de la misma categoría.