Sistema de recomendación para la compra de inmuebles en la web

Tolosa Marin, Santiago Andres; Morales Firaya, Angie Lorena

Sistema de recomendación para la compra de inmuebles en la web

dc.contributor.advisor	Rodriguez Rodriguez, Jorge Enrique
dc.contributor.author	Tolosa Marin, Santiago Andres
dc.contributor.author	Morales Firaya, Angie Lorena
dc.date.accessioned	2024-09-23T18:08:53Z
dc.date.available	2024-09-23T18:08:53Z
dc.date.created	2024-04-11
dc.description	En el marco de esta investigación, se lleva a cabo la recopilación de datos sobre inmuebles en remate mediante la técnica de web scraping en sitios web legítimos seleccionados. Este proceso permite extraer información relevante que enriquece los atributos importantes de cada propiedad. Además, se relaciona cada dato con información sobre los puntos de interés en la localidad, con el fin de identificar los valores agregados a las propiedades. A partir de este análisis, se determinan los atributos cruciales para el filtrado colaborativo, que son fundamentales para la investigación. Posteriormente, se procede a la exploración y limpieza de datos para obtener información homogénea, asegurando resultados útiles y eficientes. La etapa final consiste en la implementación de un algoritmo de machine learning que permite la partición de muestras según parámetros específicos, con el objetivo de encontrar las opciones que mejor se ajusten a las necesidades de los compradores, proporcionando así la alternativa más adecuada al usuario final
dc.description.abstract	In the context of this research, data collection on properties for auction is conducted using web scraping techniques on selected legitimate websites. This process allows for the extraction of relevant information that enhances the important attributes of each property. Additionally, each data point is correlated with information about points of interest in the locality to identify the added values associated with the properties. From this analysis, crucial attributes for collaborative filtering are determined, which are fundamental to the research. Subsequently, data exploration and cleaning are performed to ensure the information is homogeneous, yielding useful and efficient results. The final stage involves implementing a machine learning algorithm to partition samples according to specific parameters, with the aim of identifying options that best meet the buyers' needs, thereby providing the most suitable alternatives for the end user.
dc.format.mimetype	pdf	spa
dc.identifier.uri	http://hdl.handle.net/11349/40938
dc.language.iso	spa	spa
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Internacional	*
dc.rights.acceso	Abierto (Texto Completo)	spa
dc.rights.accessrights	OpenAccess	spa
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Algoritmo
dc.subject	Machine Learning
dc.subject	Web scraping
dc.subject	Datos relevantes
dc.subject	Valores agregados
dc.subject	Filtrado colaborativo
dc.subject	Exploración de datos
dc.subject	Limpieza de datos
dc.subject	Machine learning
dc.subject.keyword	Properties for auction
dc.subject.keyword	Relevant data
dc.subject.keyword	Web scraping
dc.subject.keyword	Points of interest
dc.subject.keyword	Added values
dc.subject.keyword	Data cleaning
dc.subject.lemb	Ingeniería Telemática - Tesis y disertaciones académicas
dc.title	Sistema de recomendación para la compra de inmuebles en la web
dc.title.titleenglish	Recommendation system for buying web properties
dc.type	bachelorThesis	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f	spa
dc.type.degree	Monografía	spa
dc.type.driver	info:eu-repo/semantics/bachelorThesis	spa