____________________________________
T abajo de Fin de G ado.
Mad idManía: Un sis ema de
ecomendación social y de ocio pa a g upos
____________________________________
MEMORIA DEL PROYECTO
Ca los Guille mo López Pé ez
Ma a Oli e Valien e
__________
Di igido po : Belén Díaz Agudo
Depa amen o de Ingenie ía del So wa e e In eligencia A i icial
Facul ad de In o má ica
Uni e sidad Complu ense de Mad id
Junio 2015
1
2
T abajo de Fin de G ado.
Mad idManía: Un sis ema de
ecomendación social y de ocio pa a g upos
Memo ia de T abajo de Fin de G ado
Ingenie ía del So wa e e In eligencia A i icial
06/2015
Depa amen o de Ingenie ía del So wa e e In eligencia A i icial
Facul ad de In o má ica
Uni e sidad Complu ense de Mad id
Junio 2015
3
Copy igh © Ca los Guille mo López Pé ez y Ma a Oli e Valien e
4
Au o ización
Ma a Oli e Valien e y Ca los Guille mo López Pé ez, alumnos
ma iculados en el g ado de ingenie ía in o má ica en la ama de las ecnologías
de la in o mación, au o izan, median e el p esen e documen o, a la Uni e sidad
Complu ense de Mad id (UCM), a di undi y u iliza con ines académicos, no
come ciales, y mencionando exp esamen e a sus au o es, an o en la p opia
memo ia, como el código, la documen ación y/o el p o o ipo desa ollado. Todo
ello ealizado du an e el cu so académico 2014 – 2015 bajo la di ección de Belén
Díaz Agudo, p o eso a del Depa amen o de Ingenie ía del So wa e e In eligencia
A i icial.
Ma a Oli e Valien e Ca los Guille mo López Pé ez

5
6
Ag adecimien os
Si quisié amos pode exp esa los ag adecimien os a odas las pe sonas que
nos han es ado apoyando, se ía muy complicado. Si que emos hace lo en unas
líneas, esul a mucho más complicado. Espe emos ene palab as pa a odos.
En p ime luga a nues a di ec o a de p oyec o, Belén Díaz Agudo. Po
con ia en noso os, y pe mi i nos o ien a el p oyec o hacia nues o ap endizaje,
o eciéndonos siemp e un amplio abanico de posibilidades, que nos han pe mi ido
mejo a un p oyec o ya cons uido, y ap ende concep os de asigna u as que
noso os no hemos cu sado.
G acias al es o de p o eso es, que an o nos han enseñado. Ha sido una
e apa muy in ensa, y nos amos con un buen ecue do de odos. Po hace nos
ingenie os, po compa i ues os conocimien os con noso os. Asimismo al es o
del pe sonal de nues a acul ad (g acias seño as de la limpieza po un en o no
de abajo an limpio, pe sonal de ca e e ía, conse je ía…).
A nues os compañe os, amigos en muchos casos. Po ayuda nos en épocas
de exámenes. Cuando hemos coincidido en el mismo aula y cuando no. Po
o ma pa e de es a g an e apa.
Cómo ol ida nos de nues as amilias, con el apoyo que muchas eces no
sabemos e , y que en muchos casos apa e de hace nos mejo es udian es nos
hacen algo que es oda ía más impo an e: mejo pe sonas.
Po úl imo que emos exp esa un ag adecimien o mu uo en e noso os,
Ma a y Guille mo. Po apoya nos en los momen os más complicados y dis u a
en los buenos. Po ene siemp e espe anza y c ee en el o o has a el inal. De
o a o ma no hubiese sido posible.
A odos oso os, que habéis mos ado ues o apoyo du an e es os años,
os dedicamos es e p oyec o de in de g ado.
7
8
Resumen
Du an e los úl imos años han su gido mul i ud de pla a o mas cuyo obje i o es
acili a a sus usua ios la a ea de plani ica sus salidas de ocio, gene almen e
inco po ando algún ipo de sis ema de ecomendación que enga en cuen a sus gus os
o p e e encias. El c ecimien o en el uso de los sma phones, disposi i os que hacen
que in e ne es é al alcance de la mano en cualquie momen o y luga , ha p opiciado
que ecomendado es de ocio web clásicos como T ipAd iso y G oupon hayan pasado
a o ma pa e ambién del mundo de las aplicaciones mó iles, uniéndose a o os
nue os como Fe e o Wha s ed.
Mad idManía su ge como una con inuación de Mad id Li e1 y iene como
obje i o el desa ollo de una nue a aplicación mó il que implemen e un sis ema de
ecomendación de planes de ocio g upales pa a la ciudad de Mad id. Nos hemos
cen ado en la gene ación de planes pa a g upos ya que es e ipo de ac i idades
a amen e se lle a a cabo de mane a indi idual.
Nues o p opósi o es mejo a el uncionamien o del sis ema an e io
median e la inco po ación de un mé odo de ca ac e ización de g upos y la selección
de un ango de edades que pe mi a al usua io selecciona manualmen e el ipo de
g upo hacia el que i á di igida la ecomendación y una nue a unción de ag egación
que enga en cuen a es os modelos de g upos, la adición de nue as ac i idades de
ocio (cen os come ciales, pa ques de ocio, ho eles) que se unan a las ya exis en es
(museos, es au an es, pa ques, paseos, cines) y la c eación de planes de ocio de
más de un día de du ación. Además, el sis ema sigue man eniendo el modo de
uncionamien o con la ed social Facebook que pe mi e la c eación de g upos
inco po ando a amigos que se encuen en en un adio de dis ancia ce cano a
noso os.
Es e p o o ipo inco po a los angos de edades niños, jó enes, jó enes-adul os
y adul os, así como los ipos de g upo amilia, pa eja, abajo y amigos.
1 Mad id Li e: un sis ema de ecomendación de ocio social y con ex ual pa a la ciudad de
Mad id (h p://ep in s.ucm.es/26502/)
15
Índice de igu as
2.1. Sis emas de ecomendación
2.2. Ciclo CBR
2.3. Sis ema de ecomendación Amazon
2.4. Sis ema de ecomendación FilmA ini y
2.5. Sis ema de ecomendación Fe e
2.6. Sis ema de ecomendación Wha s ed
2.7. Tecnologías u ilizadas
3.1 Pan alla inicial de Mad idMania
3.2 Pan alla c edenciales de Facebook
3.3 Menú de la aplicación
3.4 Selección de ac i idades
3.5 C eación de g upos pe sonalizados
3.6 Selección de modelo de g upo
3.7 Selección de edad
3.8 Resul ado de la ecomendación
4.1. Es uc u a de la aplicación
4.2 In e acción de la API con el sis ema
4.3 Ejemplo de plan illa abs ac a
4.4 Ejemplo de plan illa conc e a
5.1 Esquema de diseño y is a de da os del subsis ema - modo In i ado
5.2 Esquema de diseño y is a de da os del subsis ema - modelos de g upo
6.1 Resul ados del es de p e e encias inicial
6.2 Resul ados de la encues a sob e la c eación de un modo in i ado
6.3 Resul ados de la encues a sob e el sis ema ac ual de g upos
6.4 Resul ados de la encues a: modelos de g upo escogidos
6.5 Resul ados de la encues a: nue as ac i idades
6.6: Resul ados de la encues a: sa is acción con la in e acción
6.7: Resul ados de la encues a: sa is acción con el modo in i ado
6.8: Resul ados de la encues a: nue as ac i idades
6.9: Resul ados de la encues a: nue as ac i idades

16
Índice de ablas
2.1 Compa a i a Sis emas de Recomendación
3.1 Fuen es de in o mación pa a las ac i idades
5.2 Ca ego ización g upos pe il Pa eja
5.3 Ca ego ización g upos pe il T abajo
5.4 Ca ego ización g upos pe il Amigos
17
18
Capí ulo 1
In oducción
En es e capí ulo explicamos la mo i ación pa a la ealización del p oyec o
Mad idManía, los obje i os que espe amos consegui con él y una b e e desc ipción
ace ca de cómo se es uc u a la memo ia.
1.1. Mo i ación
Mad id es una ciudad cosmopoli a que cuen a con mul i ud de ac i idades de
ocio dis in as pa a sus habi an es y isi an es. La can idad de ac i idades dis in as
que o ece es al, que esul a lógico ayuda se de In e ne a la ho a de encon a
cuáles de és as pod ían adap a se mejo a nues as p e e encias.
Pa a lle a a cabo es a búsqueda, un usua io puede na ega con su o denado
has a una web de ecomendación de planes de ocio como T ipAd iso o u iliza una
aplicación mó il den o de su sma phone como Fe e , y ob ene aquellas
ac i idades que más se ajus en a sus a gus os en unción de sus p e e encias
pe sonales.
Basándonos en es os sis emas, Mad idManía implemen a un sis ema de
ecomendación capaz de encon a aquellos planes que más puedan sa is ace a un
usua io a la ho a de o ganiza una jo nada de ocio po Mad id. Pa iendo del sis ema
Mad id Li e, a amos de op imiza el diseño de es e, pa a consegui una aplicación
que mejo e la expe iencia del usua io. En Mad id Li e e a obliga o io ing esa con
nues a cuen a de Facebook pa a pode u iliza la aplicación, lo cual limi aba su uso
únicamen e a usua ios de es a ed social. Pa a palia es e p oblema, hemos
desa ollado un nue o modo de uncionamien o que se une al ya exis en e, al que
hemos denominado modo in i ado. Es e nue o modo pe mi e a cualquie usua io
u iliza la aplicación pa a solici a un plan de ocio.
19
Debido a que las ac i idades de ocio suelen lle a se a cabo en g upo, los
sis emas de ecomendación han e olucionado pa a cub i es a demanda, su giendo
los denominados sis emas de ecomendación g upales. Es os sis emas ienen en
cuen a las p e e encias de cada miemb o del g upo y ecomiendan ac i idades que
sa is agan lo mejo posible a odos sus componen es. Pa a ello, Mad idManía
inco po a un sis ema de ecomendación g upal en el que se ienen en cuen a las
elaciones sociales de las pe sonas que componen el g upo, mejo ando de es a o ma
la búsqueda de ac i idades.
En Mad id Li e la in e acción con g upos es aba limi aba, ya que los
componen es de és e, debían se usua ios de Facebook. Mad idManía pe mi e a
cualquie usua io selecciona el ipo de g upo hacia el que a di igida la
ecomendación ( amilia, pa eja, abajo o amigos) y ambién, opcionalmen e, un
ango de edades pa a los componen es de dicho g upo (niños, jó enes, jó enes-
adul os o adul os). La mo i ación pa a inclui es os ipos de g upos y angos de
edades y no o os, p o iene del esul ado de un análisis que de e mina hacia qué ipo
de usua ios que emos que aya di igida nues a aplicación (capí ulo 6).
En base a las opciones seleccionadas po el usua io, se gene a un modelo de
g upo y se asignan dis in os pesos a los ipos de ac i idades (sección…). De es a
mane a, en el caso de que el usua io seleccione el ipo de g upo amilia, ango de
edades niños y como ac i idades es au an e y cine, el modelo de g upo gene ado
se á el de una amilia con niños y se le asigna á un mayo peso a los es au an es de
comida ápida y a las películas in an iles.
Lo más complicado a la ho a de lle a a cabo una ecomendación es ob ene
las p e e encias conc e as de un usua io. En Mad id Li e es o se ealizaba po medio
de un es de p e e encias inicial. Al usua io se le p esen aba un lis ado de ipos y
sub ipos de ac i idades que és e debía o dena en unción de su mayo o meno
p e e encia. Es e es es e ec i o a la ho a de conoce los gus os de un usua io, pe o
esul aba edioso de ellena . ¿Po qué ellena in o mación ace ca de museos si el
usua io no desea en es e momen o que se le ecomiende uno de ellos? Po es o, en
Mad idManía hemos decidido elimina dichos es s iniciales y que sea la p opia
aplicación la que ellene es as p e e encias en unción de la edad y el ipo de g upo
seleccionados. Así, e i amos el p oblema de que el uso de la aplicación esul e
pesado y no pe demos con ello las p e e encias del usua io pa a un ipo de plan
de e minado.
20
Po lo an o, la mo i ación de es e abajo es pe mi i a cualquie usua io
(modo in i ado) plani ica ac i idades de ocio po la ciudad de Mad id. En el caso de
las ecomendaciones pa a g upos, el obje i o, es p opo ciona a los usua ios un
sis ema de ecomendación g upal (modelos de g upo) median e la selección del ipo
de g upo y la edad a la que a di igido el plan. Po úl imo, es p obable que en
muchos casos los usua ios de nues a aplicación p olonguen su es ancia en Mad id po
más de un día. Pa a ene en cuen a es e caso, en e de las nue as ac i idades
incluídas (sección 5.3), hemos añadido la posibilidad de selecciona un ho el al inal
del día pa a que el usua io pueda aloja se y segui dis u ando al día siguien e de
nue as ac i idades de ocio.
1.2. Obje i os
El p incipal obje i o de Mad idManía es se una aplicación mó il ú il pa a
plani ica ac i idades de ocio en g upo pa a la ciudad de Mad id. El sis ema debe se
capaz de o ece ecomendaciones que sa is agan a odos los componen es del g upo,
ya sea ob eniendo el con ex o social de és e a a és de Facebook o po medio de un
modelo de g upo.
Pa a es o, en Mad idManía se p esen an las siguien es no edades espec o a
Mad id Li e:
1. C eación de un modo in i ado que pe mi a u iliza la aplicación sin necesidad
de Facebook.
2. C eación de ca ac e ización de g upos y modelo de g upos pa a lle a a cabo
las ecomendaciones.
3. Sus i ución de es de p e e encias iniciales po ca ac e ización de g upos.
4. Inclui nue as ac i idades de ocio al ma gen de las o iginales (cen os
come ciales, pa ques de ocio, ho eles).
5. Mejo a de la in e az de la aplicación.

21
1.3. Es uc u a de la memo ia
Es a memo ia se es uc u a de la siguien e mane a:
1. En es e p ime capí ulo se ha p esen ado la in oducción, la mo i ación del
sis ema y los obje i os que se quie en log a ealizando es e p oyec o.
2. En el capí ulo 2 se expone el es ado del a e. Pa a ealiza un p oyec o de
es as ca ac e ís icas es necesa io ealiza un es ado del a e de los sis emas
de ecomendación indi iduales y g upales, haciendo especial hincapié en
aquellos implemen ados en aplicaciones mó iles.
3. El capí ulo 3 desc ibe los ipos de da os, las uen es de in o mación y de alla
de mane a uncional la aplicación.
4. A con inuación, en el capí ulo 4 se desc ibe cuál es la a qui ec u a de
Mad idManía compa ándola con la de su an eceso a, Mad id Li e, y
especi icando cuáles han sido los cambios que hemos ealizado pa a adap a
los nue os módulos o subsis emas.
5. En el capí ulo 5 se p esen an los módulos añadidos como subsis emas al
p oyec o an e io . Pa a cada uno, se incluye el obje i o del subsis ema con el
que que emos mejo a la aplicación, jun o con una is a en o ma
esquemá ica y una explicación eó ica.
6. En el capí ulo 6 se desc iben las mo i aciones que han undamen ado nues a
línea de desa ollo. En odo p oyec o es cla e una alo ación expe imen al,
pe o en es e caso la hemos ealizado an es y después de la implemen ación,
pa a ob ene una lis a de pun os a mejo a y con as a los esul ados de
Mad id Li e con Mad idManía.
7. En el capí ulo 7 se es ablecen conclusiones del p oyec o a ni el écnico, de
ap endizaje, mo i ación, implicación pe sonal y c ea i idad. En de ini i a,
qué nos apo a el p oyec o, y qué p e endemos con él.
8. Po úl imo, en el capí ulo 8 se explican las líneas de abajo u u o sob e
posibles nue os subsis emas que se p oponen pa a p óximas
implemen aciones. Tan o pa a alumnos que ealizan un p oyec o simila ,
como pa a noso os si con inuamos con el desa ollo.
22
23
Chap e 1
In oduc ion
In his chap e we a e going o explain he eason why we a e doing his
p ojec and how Mad idMania is de eloped. In addi ion o his,we will be gi ing a
b ie ly desc ip ion o he s uc u e o his epo and an explana ion o how he
a ge is going o be pu sued.
1.1. Mo i a ion
Mad id is a e y in e na ional ci y wi h a wide ange o ac i i ies no only o
i s ci izens bu also o i s isi o s. As a esul o his huge cul u al o e , i is logical
no was ing ime sea ching a wide a ie y o ac i i ies and educe he spec um by
choosing he ac i i ies we a e in e es ed in. By his, i seems easonable o ake
ad an age o echnologies such as he In e ne o ind which ac i i y i s wi h ou
equi emen s. To achie e i s objec i e, use s usually na iga e on hei compu e
un il hey ind a leisu e websi e such as T ipAd iso o an app like Fe e i hey a e
using a sma phone. These se ices allow use s o ind ac i i ies a ine o hei
p io i ies and a e based on use s’ eedback helping hem o ind ac i i ies ha sui
wi h hei pe sonal p e e ences. Mad idMania is based on he same p inciples. I
o e s leisu e plans ele an o he use s.
Leisu e-ac i i ies a e usually done in g oups. As a ma e o ac ,Cu a e
con en sys ems ha e e ol ed o ul ill hese ea u es,and collabo a i e il e ing has
been de eloped. This me hod akes in o accoun he p e e ences o each membe o
he g oup and e u ns ac i i ies ha sa is ied mos o he membe wi hin he g oup.
Mad idMania embedded a collabo a i e il e ing based on social ela ion be ween
iends. Imp o ing he ele ance o he ac i i y o e s o he use .
In ou i s app oach use s had osign in using hei Facebook accoun o be able o
use he app. We ealized ha hese equi emen cons ain ou po en ial use only o
he ones ha al eady a e use s o his social ne wo k. To sol e his p oblem weha e
de eloped a new pipeline added o he p e ious one. We ha e called i gues mode.
24
In gues mode is he use who decides which g oup is going o be yped and
he age ha is going o be sea ched (e.g. amily, pa ne , wo k o iends) and,
op ionally, a ange o ages o he membe s o ha g oup (child en, you h, young -
adul s o adul s). The eason o include hese ea u es and a oid o he s is made by
hinking in ou a ge audience. Based on he selec ed op ions a model g oup is
gene a ed and di e en ele ance is c ea ed o he di e en ypes o ac i i ies,
gi ing a highe impo ance o one o ano he when ca ying ou a ecommenda ion.
Fo example, i we selec he ype amily g oup,a ange in child en age and
es au an o cinema ac i i ies, The g oup model ha will be gene a ed is a amily
wi h kids and i will assigne a highe impo ance o he as ood es au an s and
child en's ilms. By his, he applica ion has ound he sa is ac ion o he g oup.
The ha des hing when pe o ming a speci ic ecommenda ion is o ob ain a
use 's p e e ences. In ou o iginal p ojec ha was ca ied ou h ough an ini ial
p e e ence es , in which he use is p esen ed wi h a lis o ypes and sub ypes o
ac i i ies ha use had o o de acco ding o hei deg ee o p e e ence. This es is
e ec i e when i comes o know he as es o a use , bu is somewha edious o ill
in. Why use s need o p o ided in o ma ion abou museums i hey a e no in e es ed
a his momen ?. Fo his eason, in Mad idMania ha e decided o emo e hese es s
and le he applica ion ill in hese p e e ence i sel au oma ically depending on he
age and ype o he selec ed g oup. Wi h his, we a oid he p oblem ha he use o
he applica ion would become annoying and a he same ime no lose use ’s
p e e ence.
Finally, i is likely ha in many cases he use s p olong hei s ay in he ci y
o Mad id o o e a day. To co e his case, we ha e included he possibili y o
gene a ing plans o mo e han one day. We also ha e included some
accommoda ions places like ho els, whe e use s can spend he nigh s.
31
que almacenan la desc ipción de un p oblema, siendo la ecomendación solución a
es os casos.
La aplicación del Ciclo CBR pa a las nue as ac i idades se de alla a lo la go de la
sección 5.3. El p oceso, aplicado a los cen os come ciales, es el siguien e:
Cuando ya se han ecupe ado co ec amen e odos los posibles cen os come ciales,
se han almacenado en una base de casos y se ha asignado un peso a cada uno de los
a ibu os, se p ocede a ejecu a el ciclo CBR, que se enca ga de e alua cada uno de
los elemen os de la base de casos y de uel e un lis a o denada con un “ alo de
sa is acción”, que indica el g ado de ajus e de dicho cen o come cial a las
p e e encias del usua io. Cuan o mayo sea el alo , mejo se á el ajus e.
Aunque se ía posible ecupe a solamen e los N elemen os de mayo “ alo de
sa is acción”, se abaja con oda la lis a comple a pa a aplica il ados pos e io es.
2.1.1.3. Sis emas de ecomendación basados en il ado colabo a i o
Al se In e ne una inmensa uen e de da os es necesa io c ea mecanismos
capaces de il a oda esa in o mación disponible. Una de las écnicas que han sido
u ilizadas po algunos sis emas de ecomendación pa a en en a se a es e p oblema
es el il ado colabo a i o.
Un sis ema de ecomendación basado en il ado colabo a i o es aquel en el
que las ecomendaciones se lle an a cabo basándose en é minos de simili ud con
o os usua ios. Es os sis emas, ecomiendan elemen os que han gus ado a o os
usua ios con in e eses simila es. Es deci , en ez suge i elemen os que le gus aban a
un usua io en el pasado (como ocu ía en los sis emas basados en con enido), escoge
los que han p e e ido o os usua ios con iguales in e eses o gus os.
El wo k low de un sis ema de il ado colabo a i o se desc ibe en es e apas:
1. Recoge las alo aciones que cada usua io da a di e en es elemen os (en
nues o sis ema, las dis in as ac i idades: es au an es, cines, pa ques de
ocio, e c).
2. Compa a las alo aciones de un usua io con odas las demás y encon a las
pe sonas que ienen gus os simila es.

32
3. Recomenda elemen os que usua ios simila es han cali icado posi i amen e,
eniendo en cuen a que el usua io al que se le a a ealiza la ecomendación
oda ía no haya ealizado la ac i idad.
Se dis inguen dos algo i mos de il ado colabo a i o:
● Basados en memo ia, o algo i mos de ecinos ce canos4 [Jannach e al. ,
2011]: U ilizan la base de da os comple a pa a gene a una p edicción.
Emplean mé odos es adís icos pa a de e mina usua ios con un his o ial de
alo aciones simila al usua io ac ual ( ecinos) y a con inuación, median e un
conjun o de algo i mos combinan las p e e encias pa a ealiza las
ecomendaciones.
● Basados en Modelo [Galán Nie , 2006] [Albin Rod iguez, 2009]: P ime amen e
desa ollan un modelo de pun uaciones de los usua ios sob e los í ems. En
di e encia a los basados en memo ia, no se se u ilizan mé odos es adís icos,
sino una ap oximación p obabilís ica. Es a ap oximación calcula el alo
espe ado de una p edicción del usua io pa a cada í em en unción de a ings
an e io es. Pa a es e cálculo se u ilizan di e sos algo i mos de ap endizaje
Clus e ing o edes neu onales [Nas aoi, 2004] (Po ejemplo, las Redes de
Funcionamien o de Base Radial [Isasi Viñuela y Gal án Leon, 2004]).
2.1.2. Recomendado es g upales
Los sis emas ecomendado es indi iduales sugie en una se ie de p oduc os a
un usua io. Sin emba go, no ienen en cuen a su uso den o de una aplicación en la
cual se a a ecomenda un mismo p oduc o a un g upo de usua ios, en luga de a un
usua io indi idual, como se ía el caso de los ecomendado es de planes de ocio. En
es os úl imos años es cuando se es á empezando a abaja en el desa ollo de
écnicas que pe mi an p opone ecomendaciones simul áneas a g upos de usua ios
[Jameson & Smy h, 2007].
De es a necesidad nace un nue o ipo de sis emas ecomendado es, los
denominados ecomendado es g upales. Es os sis emas a an de ecomenda un
p oduc o que pueda sa is ace las necesidades de odos los miemb os de un g upo
[Mas ho , 2011].
4 Del inglés, Nea es Neighbou
33
El sis ema pueda da di e en es esul ados, dependiendo de la combinación
de las p e e encias que se u ilicen. Po ejemplo:
1. Mezcla las ecomendaciones indi iduales, ob eniendo un conjun o de
ecomendaciones indi iduales de cada miemb o del g upo en un único lis ado.
2. T a a de mane a di e en e a cada miemb o del g upo, p es ando especial
a ención a aquellos usua ios que ienen ca ac e ís icas di e en es al es o (da
más peso a un usua io que o o).
3. C ea un modelo de g upo como si ue a un único usua io, de al o ma que
se unen las p e e encias de odos los usua ios, se a an es os da os median e
una ó mula de e minada y se ob iene un esul ado simila al de un sis ema
de ecomendación indi idual [Lei a, 2014].
4. C ea una ag egación en la que se alo es ecomendaciones indi iduales,
de o ma que la ecomendación escogida como mejo pa a el usua io, se
alo a de o ma más al a. Pa a cada indi iduo el sis ema escoge el conjun o
de ecomendaciones que enga la mayo pun uación. Median e una ó mula
escogida se ag egan odas las ecomendaciones del conjun o inal y se
de e mina cuál es la mejo .
Realizando una ap oximación de cuál de las dis in as posibilidades se adap a
mejo a nues o p oyec o, decidimos combina la ag egación de las pun uaciones
indi iduales (mé odo 4) jun o con la c eación de un modelo de g upo (mé odo 3).
Pa a c ea un modelo de g upo como si ue a un único usua io, se elabo a una
se ie de p o o ipos de g upo pa a después escoge los más u ilizados po los usua ios.
En una p ime a ase, basamos el desca e de los g upos en base a encues as
ealizadas (sección 6.2) a usua ios po enciales de la aplicación. O ecemos al usua io
la posibilidad de selecciona un modelo de g upo, una edad pa a la que a di igido el
plan seguido de una se ie de ac i idades de ocio y el sis ema se enca ga de
ecomenda un plan. Es a sección es uno de los p incipales módulos in oducidos y se
de alla en la sección 5.2 de es a memo ia. De es a mane a en iquecemos la
ecomendación y o ecemos al usua io dos mane as dis in as y complemen a ias de
sa is ace sus p e e encias.
Pa a mezcla las pun uaciones indi iduales se c ea una ag egación de las
pun uaciones de cada indi iduo pa a un conjun o de elemen os. Pos e io men e, se
34
ealiza una p edicción de la pun uación asignada pa a cada usua io miemb o del
g upo a cualquie ac i idad y ecomendamos el conjun o de ac i idades que hayan
ob enido el mayo alo en la alo ación ag egada.
Como hemos in oducido an e io men e (sección 1.1), nues a aplicación
iene dos modos de uso: iden i icando las c edenciales con Facebook y modo
in i ado. En el modo de inicio de sesión con Facebook, pa a mezcla las pun uaciones
indi iduales y c ea una ag egación, u ilizamos la unción T us Weigh ed Mean
[Mad id Li e, 2014], incluyendo el alo de us o con ianza pa a que sea más
e icien e a la ho a de ene en cuen a ac o es sociales en e indi iduos.
El concep o de us [Golbeck, 2006a] [Golbeck, 2006b] esponde a la
necesidad de inclui ac o es sociales en la unción de ag egación. En iquece dicha
unción midiendo la con ianza o in imidad que ienen dos pe sonas en e sí. Pa a el
cálculo se u iliza un modelo p opues o en una Tesis Doc o al [Quijano Sánchez, 2010]
y cuyo alo iene en unción de cua o pa áme os adicionales:
1. In imacy (in imidad). P e ende medi la in imidad o ce canía de la elación.
2. In ensi y (in ensidad). Tiene como obje i o calcula la in ensidad de la
elación, es deci , si la amis ad iene un con ac o dia io o espo ádico.
3. Du a ion (du ación). Mide la solidez y es abilidad de la elación en el iempo.
4. Recip ocal se ices (en ega mu ua). P e ende es ima la en ega mu ua de
los componen es de la elación.
Pa a ob ene es os alo es, se ex ae la in o mación del usua io a a és de
Facebook (sección 3.2.1). Se almacena la in o mación, se ecopila la del es o de
usua ios asis en es al plan y se aplica la unción de ag egación. De es a mane a,
enemos pe il social de usua io más especí ico en unción de la in o mación
ecopilada pa a el usua io.
Pa a el modo in i ado, debemos combina la in o mación ob enida en las
es icciones impues as po el usua io a a és de la in e az que p opo ciona el
sis ema ( ipo de ac i idad, modelo de g upo, edad a la que a di igido el plan) pa a
es ablece un conjun o de p e e encias sob e las ac i idades. El mé odo u ilizado se
basa en un il ado de p e e encias (sección 5.2.3.1) en unción de los pa áme os de
35
en ada que de uel e un esul ado con las ac i idades que mejo se adap an al
usua io.
2.2. Fuen es de in o mación en los sis emas de ecomendación
Los sis emas de ecomendación g upales ienen la di icul ad de ges iona las
écnicas de ecomendación mencionadas en apa ados an e io es. Acciones ales
como adqui i las p e e encias del g upo, ayuda al g upo en el p oceso de oma de
decisiones, o explica al g upo las azones pa a elegi una ecomendación pueden
supone una di icul ad añadida.
La mayo ía de es os sis emas desa olla écnicas de adquisición de in o mación
que se aplican en los sis emas ecomendado es indi iduales. Podemos hace una
dis inción en e:
1. Adquisición de p e e encias sin especi icación explíci a, en el que los usua ios
no especi ican sus p e e encias con an e io idad. Se adquie e la in o mación
implíci a de es os. Po ejemplo las isi as que ealizan a un de e minado
sis emas y el iempo que dedican a cada una de ellas.
2. Especi icación de p e e encias explíci a, en la cual se equie e una
especi icación explíci a de las p e e encias de los usua ios. Po ejemplo,
median e un a io de pun uación. Amazon u iliza un sis ema de alo ación en
el que la pun uación se ep esen a median e un a io de 1 a 5 es ellas
(sección 2.3.1).
T as adqui i la in o mación sob e cada uno de los usua ios, se puede adap a
la especi icación de las p e e encias indi iduales a las p e e encias de
ecomendación pa a el g upo. Es o puede se más o menos di ícil en unción del
amaño y he e ogeneidad del g upo.
Hay dos posibles opciones que se pueden u iliza pa a combina las
p e e encias. La más habi ual es que el sis ema escoja la opción que sa is aga al
mayo núme o de usua ios omando como base sus p e e encias indi iduales.
También cabe la posibilidad de selecciona la siguien e hipó esis: “la elicidad del
g upo se á igual a la del menos eliz de sus miemb os” [Sha e e al., 2007].
36
Es necesa io añadi mé odos de ag egación pa a combina in o mación sob e
dis in as p e e encias indi iduales, pa a que el sis ema pueda ob ene la mejo
ecomendación pa a el g upo.
2.3. Ejemplos de sis emas de ecomendación
Hoy en día exis en nume osos sis emas de ecomendación que son u ilizados
en di e en es ámbi os. A con inuación se esumen los más conocidos y sus di e en es
aplicaciones.
2.3.1. Sis ema de ecomendación de Amazon
La ienda i ual de Amazon cuen a con un algo i mo pe sonalizado de
ecomendación denominado il ado colabo a i o í em a í em. Es e algo i mo, en
luga de busca simili udes en e usua ios, a a de elaciona los p oduc os
adqui idos y cali icados po el usua io con o os exis en es de ca ac e ís icas
pa ecidas. Después, combina dichos p oduc os simila es en una lis a de
ecomendaciones que se mues a al usua io [Linden e al. 2003].
Es e p oceso puede llega a se ex emadamen e cos oso en é minos de
compu ación. Sin emba go, han conseguido implemen a lo y ejecu a lo de mane a
no ablemen e e icien e, de modo que se compo a acep ablemen e bien incluso
abajando con conjun os de da os eno mes.
Amazon cuen a con una base de más de 150 millones de usua ios, y ecoge y
almacena in o mación de cada uno ellos. Es e ipo de sis emas o ecen esul ados
más iables cuan o mayo es la can idad de da os de los que se dispone, de modo que
un p oduc o es más o menos ele an e en unción de la can idad de usua ios que lo
hayan adqui ido.
Es e algo i mo alla pa a los casos de p oduc os cuyo núme o de comp as es
pequeño, pues exis e una can idad mucho meno de da os ace ca de ellos en elación
a o os simila es pe o que cuen an con un mayo núme o de adquisiciones.

37
Figu a 2.3: Sis ema de ecomendación Amazon
2.3.2. Sis ema de ecomendación de Filma ini y
Filma ini y es una web de o ación y ecomendación de películas. El
algo i mo que implemen a pa a lle a a cabo sus ecomendaciones se denomina
ecomendaciones de us almas gemelas, que unciona como un sis ema de il ado
colabo a i o [Filma ini y, 2015].
A medida que un usua io pun úa películas en la web, el sis ema a
almacenando dichas o aciones y busca a o os usua ios, o almas gemelas, con
pun uaciones simila es a las uyas. De es e modo, se le mos a án al usua io aquellas
películas que sus almas gemelas e alúen posi i amen e, pues al ene gus os
simila es, es p obable que es as o as películas ambién sean de su ag ado.
Es e sis ema de ecomendación iene como des en aja que pa a lle a a cabo
unas mejo es ecomendaciones, es necesa io que el usua io e alúe un g an núme o
de películas. Cuan as más películas haya e aluado, más pun os de compa ación
end á con o os usua ios y, po an o, su alma gemela ep esen a á más ielmen e
sus gus os.
38
Figu a 2.4: Sis ema de ecomendación FilmA ini y
2.3.3. Sis emas de ecomendación de planes de ocio
A con inuación que emos ealiza un análisis de dos sis emas de
ecomendación social y de ocio: Wha s ed y Fe e . Hemos que ido escoge pa a el
análisis es os ecomendado es ya que al igual que Mad idManía son sis emas de
ecomendación de ocio pa a la ciudad de Mad id.
2.3.3.1 Sis ema de ecomendación Fe e
Fe e es una aplicación mó il de ecomendación de planes de ocio pa a
Mad id, Ba celona, Valencia y Nue a Yo k. Se encuen a disponible pa a las
pla a o mas And oid e iOS y o ece ecomendaciones que se ac ualizan cada semana.
En e los planes que incluye se encuen an concie os, ies as, películas,
es au an es y luga es que isi a .
Como equisi o indispensable pa a u iliza la aplicación es necesa io que
conec emos és a con una cuen a de Facebook, aspec o que puede a o ece su
ca ác e social pe o que quizás no sea del gus o de odos los usua ios. No odo el
39
mundo que desee u iliza la aplicación iene que ene necesa iamen e una cuen a
en es a ed social o, si la iene, puede que no se “ íe” de cómo la aplicación a a
a a sus da os.
En cuan o a su uncionamien o, una ez le hemos dado pe miso a la aplicación
pa a conec a se con Facebook, se nos mues a un lis ado de hash ags (#cine, #geek,
#shopping) de en e los cuales el usua io debe á elegi los es que mejo lo de inan.
Es un aspec o a des aca la sencillez de es e cues iona io y que no se bomba dee al
usua io con múl iples es s pa a ealiza las ecomendaciones.
Una ez comple ado es e cues iona io, la aplicación gene a un pe il con
nues os nomb e e imagen de pe il de Facebook, y los es hash ags seleccionados.
Además, comenzamos a segui au omá icamen e a nues os amigos de Facebook que
ambién hayan conec ado su cuen a con la aplicación (al es ilo de Twi e ).
Den o de cada pe il podemos e la ac i idad ecien e del usua io,
incluyendo an o los planes de ocio a los que acudió, como si comenzó a segui a
o os usua ios.
En cuan o a las ecomendaciones, Fe e nos o ece planes pa ocinados po
emp esas que podemos lle a a cabo hoy, mañana o después. Además, nos mues a el
núme o de asis en es a cada uno de es os planes y el p ecio de la en ada pa a
acudi a ellos. Una g an en aja es que nos pe mi e adqui i es as en adas desde la
misma aplicación.
Los planes que se nos mues an se eligen en unción de los hash ags que
hubiésemos seleccionado al egis a nos con la aplicación. Cada plan iene ambién
su p opio hash ag, de modo que si coincide con alguno de los nues os, se nos
mues a el plan.
40
Figu a 2.5: Sis ema de Recomendación Fe e
Pun os posi i os:
1. Planes ac ualizados semanalmen e.
2. In oducción mínima de da os de o ma di ec a po pa e del usua io.
3. In e acción social.
4. Comp a de en adas desde la p opia aplicación.
5. In e az de usua io a ac i a.
Pun os nega i os:
1. Obligación de egis o con Facebook.
2. Planes de ocio que solo ocupan una pa e del día.
3. Fal a de ca ego ización de los planes mos ados.
4. Núme o de planes limi ado en base a emp esas pa ocinado as de la
aplicación.
5. Los planes se cen an en la ciudad donde nos encon emos, pe o no ienen en
cuen a la ce canía en e a la localización ac ual del usua io.
6. Ideas seleccionadas pa a aplica en nues o sis ema
47
aplicaciones de ecomendación de planes y ocio más u ilizadas en pla a o ma mó il
(And oid).
Pa a ene una mejo ap oximación de los pun os que se p e enden inco po a
a Mad idManía, hemos p esen ado una lis a de pun os a a o y en con a de cada
aplicación que con e ge inalmen e en una abla compa a i a de las p incipales
ca ac e ís icas.
Po úl imo se han desc i o las p incipales ecnologías u ilizadas pa a la
ealización del p oyec o. Des acan jCOLIBRI, And oid y JSON.

48
Capí ulo 3
Mad idManía
Mad idManía es un sis ema pa a ecomenda ac i idades y planes de ocio
si uados en la ciudad de Mad id, especialmen e pa a g upos. Cons a de dos modos
de inicio de sesión: median e la ed social Facebook o un modo de acceso lib e
denominado modo in i ado, que pe mi e a cualquie usua io no egis ado
accede pa a solici a ecomendaciones. Dado que es un sis ema o ien ado a
g upos, es posible an o ob ene ecomendaciones c eando un g upo
pe sonalizado, o bien a pa i de un modelo de g upo. En ambos casos el obje i o
es op imiza las ecomendaciones y la expe iencia del usua io.
La in e az se ha desa ollado con ecnología And oid median e un clien e
na i o ( on end) que se conec a a un se ido (backend) que a iende las
pe iciones. El uso de And oid pe mi e in eg a uncionalidades en el sis ema que
son ú iles a la ho a de ealiza una ecomendación (como puede se el GPS).
En es e capí ulo se da una isión comple a de la uncionalidad de
Mad idManía. Además se especi ican las uen es de in o mación con las que se
ealizan las ecomendaciones.
3.1 Fuen es de in o mación
Pa a pode ob ene in o mación que pos e io men e es u ilizada en el sis ema se
hace uso de di e sas uen es an o ex e nas como in e nas a la aplicación. La
in o mación ob enida queda almacenada y se p ocesan sus da os.
A con inuación se desc iben los ipos de da os y las uen es de in o mación u ilizadas
pa a adqui i los.
3.1.1 Tipos de da os
● Da os es á icos: Es os da os una ez ob enidos, no se modi ican con
ecuencia. No son cambios que se ealicen con inuamen e. Po ejemplo el
caso de es au an es o cen os come ciales, es poco p obable que se
49
ac ualicen con ecuencia, po an o es a in o mación no se modi ica. Es o no
impide que pe iódicamen e se p oceda a ac ualiza la base de da os del
sis ema pa a inclui nue os cen os come ciales. En e los ipos de da os
es á icos podemos encon a los elacionados con museos, es au an es,
pa ques, paseos, cen os come ciales, pa ques de ocio y ho eles.
● Da os dinámicos: En es a ca ego ía encon amos da os suscep ibles de se
modi icados ecuen emen e en el iempo, encon ando en es a sección los
ho eles. Disponibilidad, elación calidad p ecio, o alo aciones cambian
cons an emen e, y no podemos almacena la in o mación de mane a es á ica
(la disponibilidad de un ho el puede a ia de un día a o o).
3.1.2 Ca álogos de uen es de in o mación
A con inuación, se desc iben b e emen e las uen es de in o mación
u ilizadas ac ualmen e po nues o sis ema:
● 1187010: es una web que pe mi e a los usua ios gua da y compa i si ios
y se icios de cualquie pa e del mundo median e opiniones, o os y
ídeos. Cuen a con se icios an o pa a usua ios indi iduales como pa a
emp esas, y además dispone de una aplicación mó il en dis in as e siones
pa a los p incipales sis emas ope a i os de sma phone.
La web p esen a un buscado en el que el usua io puede in oduci el si io
o ciudad pa a el cual se desea ob ene ac i idades, y a con inuación,
il a los esul ados que se mues an po ipo de ac i idad ( es au an es,
ho eles, iendas, e c.). Dispone de una g an a iedad de opciones
disponibles, lo que lo con ie e en una muy buena al e na i a a la ho a de
plani ica nues as ac i idades de ocio pa a cualquie luga que ayamos a
isi a .
De ca a al desa ollo, su aspec o más ú il es que p opo ciona una sencilla
API web a a és de la cual pueden ealiza se consul as y ob ene la
in o mación necesa ia pa a Mad idManía ácilmen e.
10 11870: Los mejo es si ios de u ciudad (h ps://11870.com/)
50
A a és de 11870 ob enemos la in o mación necesa ia ace ca de los
pa ques, es au an es, cen os come ciales y paseos de Mad id. El caso de
es os úl imos el p oceso di ie e un poco del es o de ac i idades, pues
pa a su elabo ación se ecupe a una lis a de monumen os o pun os de
in e és a pa i de la cual se gene a un paseo de no más de dos ho as de
du ación uniendo a ios de los pun os encon ados.
● Google Places11: es un se icio que Google o ece a emp esas y
p opie a ios pe mi iéndoles gene a ichas de sus negocios (nomb e,
desc ipción, imágenes, e c.). Una g an en aja que p esen a es e se icio
es que los es ablecimien os insc i os en él igu an ambién a su ez en
Google Maps.
Google Places o ece in o mación de allada de segmen ación sob e los
usua ios que isi an cada una de es as ichas, ales como es adís icas de
isualizaciones. Es o puede se de g an u ilidad pa a los p opie a ios, ya
que les acili a la a ea de publici a se a a és de In e ne .
Al igual que en el caso de 11870, Google Places ambién cuen a con una
API web de consul a que acili a la ecupe ación de da os y hace que su
inclusión en Mad idmanía sea ela i amen e sencilla. U ilizamos es e
se icio pa a la inclusión de los museos en nues o sis ema.
● Guía del ocio12: es una web de consul a ace ca de ac i idades de ocio
pa a oda España. O ece un conjun o a iado de ac i idades
( es au an es, ea os, concie os, e c.), pe o al con a io que en los dos
se icios an e io es, no cuen a con una API web de consul a. Po es a
azón, es necesa io ealiza un análisis o al del código HTML de la página
web y ecupe a de és a la in o mación.
En es e caso, solo u ilizamos es e se icio pa a la ob ención de las
ca ele as de cine una ez al día, almacenando los da os como una lis a de
cines disponibles con las sesiones y películas de cada uno, ac o es, géne os
de películas, e c.
11 Google Places: API (h ps://de elope s.google.com/places/documen a ion/?hl=es)
12 Guía del ocio: (h p://www.guiadelocio.com/)
51
● Sis ema de ecomendación de ho eles HSR13: Pa a consul a una lis a de
ho eles ce canos a nues a posición accedemos a es e sis ema de
ecomendación pasándole las coo denadas ca og á icas. P incipalmen e
se a a de un ecomendado de ho eles pa a las ciudades más isi adas en
España, que pe mi e encon a ho eles ce canos a la ubicación en iada.
Además podemos ealiza un análisis es adís ico con el in de e la
epu ación de dicho ho el en unción de las alo aciones de o os usua ios.
Analiza exp esiones egula es que pe mi en de ec a en e o os aspec os
los se icios que posee o no el ho el buscado. De es a o ma es posible
de ec a si un ho el se adap a a las necesidades del usua io de la o ma
más obje i a posible.
En la siguien e ama se mues an, a modo de esumen, las uen es de
in o mación u ilizadas y qué ac i idad se ob iene de cada una de ellas.
Ac i idad
Fuen es de da os
Ca ego ía
Museos
Google Places
Es á ica
Res au an es
11870
Es á ica
Pa ques
11870
Es á ica
Paseos
11870
Es á ica
Cines
Guía del ocio
Es á ica
Cen os come ciales
11870
Es á ica
Pa ques de ocio
11870
Es á ica
Ho eles
HSR
Dinámica
Tabla 3.1: Fuen es de in o mación pa a las ac i idades
13 HSR: Sis ema de ecomendación de Ho eles (Robe o Yánez, Eddie Ce pa)
(h p://mlh. di.ucm.es:8080/HSR/index.h ml)
52
3.2 Ca ac e ís icas de Mad idManía
Mad idManía es un sis ema de ecomendación social y con ex ual pa a g upos
de ac i idades de ocio pa a la ciudad de Mad id que cuen a con una in e az clien e
And oid ( on end) que ealiza pe iciones a un se ido (backend) a a és de una API
(más de alles de la a qui ec u a en el capí ulo 4).
En la aplicación, los usua ios pueden solici a planes de ocio a a és del
clien e And oid y el sis ema de ol e á los que de e mine más adecuados pa a ese
usua io en unción de las es icciones de ecomendación impues as.
El sis ema p e ende la combinación de di e sas ac i idades en e las que se
incluyen museos, cines, es au an es, paseos, pa ques, cen os come ciales, pa ques
de ocio y ho eles cuya búsqueda se ealiza a pa i de una se ie de ca álogos de
ac i idades ob enidos median e se icios web.
Pa a p ecisa la ecomendación, Mad idManía gene a pe iles de p e e encias
pa a cada usua io y modelo de g upo. De es a mane a el sis ema siemp e a a que
las ecomendaciones gene adas encajen lo mejo posible pa a cada usua io y g upo.
Pa a la ac ualización de p e e encias, el modo de inicio de sesión con
Facebook cuen a con una base de da os que almacena las p e e encias de cada
usua io y que es posible ac ualiza an as eces como se quie a a a és de un es .
Po lo an o, sólo es necesa io ealiza es e es si se p e ende que el sis ema nos
ecomiende algún ipo de ac i idad especí ica, y en ningún caso es necesa io
e ec ua el es cada ez que un nue o usua io u ilice la aplicación. Es a
uncionalidad se comple a según el modelo de g upo y la edad de los miemb os del
plan median e unas eglas de il ado, que pe mi en es ablece un conjun o de
p e e encias pa a cada g upo o usua io, sin necesidad de ellena las manualmen e.
Además, el sis ema es capaz de analiza el compo amien o de los usua ios, siendo
posible de e mina si le ha gus ado o no un de e minado plan p opues o, median e
una alo ación de ac i idades ealizadas. Dado el caso que el sis ema haya
ecomendado a un usua io un museo, cen o come cial o es au an e y se hayan
alo ado de o ma nega i a, se de ec a pa a pos e io men e p ocede a p ecisa
es as ecomendaciones, de o ma que se op imicen.

53
Con el obje i o de mejo a esul ados se hace uso de se icios ex e nos como
son la geolocalización o in o mación de con ex o (pa áme os ex e nos que odean la
ecomendación). La ho a y echa del sis ema, la localización y la de ección de
amigos ce canos pa a añadi los al plan son elemen os que pe mi en acep a o
desca a ac i idades al ecomenda un plan. Pa a ello se hace uso de la ecnología
mó il And oid, que pe mi e ex ae g an can idad de in o mación de con ex o a
a és del GPS.
En lo que a la solici ud de la ecomendación se e ie e, con el obje i o de
en iquece lo máximo posible las ecomendaciones, una de las p incipales líneas de
desa ollo e in es igación ha sido ealiza la búsqueda de planes o ien ados a un
g upo. Como se ha comen ado an e io men e, se basa en un il ado de p e e encias.
A pa i de un ipo de plan especí ico como puede se amilia , de pa eja, abajo o
un g upo de amigos pe mi e ob ene las p e e encias pa a las di e sas ac i idades de
ocio que seleccione el usua io. Po ejemplo: si solici amos la búsqueda de
ac i idades pa a un plan amilia que incluya niños, es poco p obable que se in eg e
el con enido de una película de e o o un es au an e de pescado, po las bajas
p obabilidades de éxi o. Sin emba go, si ecomendamos una película in an il o de
animación y un es au an e amilia como el Tommy Mel’s, es casi segu o que la
ecomendación se á sa is ac o ia pa a el usua io. E i amos así ene que eo dena
las p e e encias cada ez que solici amos una ecomendación pa a un plan de ocio
en g upo, y se puede en iquece mucho más la ecomendación, ya que las unciones
de ag egación pueden no esul a del odo p ecisas. Po ejemplo: si ag egamos un
conjun o de amigos al plan de ac i idad museo, a ios de ellos ienen en e sus
p e e encias un museo de a es esc i as, a la ho a de ealiza una ecomendación, el
sis ema selecciona á un museo de es e ipo, aunque el plan que busquemos sea
o ien ado pa a niños.
3.3 Nue as ac i idades
Teniendo en cuen a la a iedad de posibilidades de ocio que o ece la
ciudad de Mad id, Mad idManía incluyen nue as ac i idades pa a que el abanico
de planes de ocio sea más amplio. Es as ac i idades las puede selecciona el
usua io a la ho a de solici a una ecomendación en la pan alla de ecomendación
54
(sección 3.6.4) Las nue as ac i idades son: cen os come ciales, pa ques de ocio
y ho eles. La in eg ación de ellas se de alla en la sección 5.3.
3.4 Modelos de g upo
Pa e del éxi o en las ecomendaciones o ecidas po cualquie sis ema
o ien ado a ac i idades en g upo se basa en la capacidad p opone planes
al e na i os que cub an las dis in as necesidades su gidas en el con ex o social de sus
componen es. Pa a ello Mad idMania sugie e una lis a de modelos g upales en los que
se encuen an cubie as odas las necesidades que pudie an su gi a esos usua ios.
Hemos a ado de incidi en la búsqueda del más amplio espec o posible, y po
an o, e leja el máximo núme o de indi iduos insis iendo p io i a iamen e en sus
p e e encias o necesidades. Todo ello unido a simpli ica lo más posible la in e az
de usua io.
In en ando op imiza al máximo es e sis ema, y en base al análisis ealizado
en la ase inicial del p oyec o (sección 6.2), concluimos que los modelos de g upo
que debían in eg a la aplicación son: Familia, Pa ejas, T abajo y Amigos.
Básicamen e en es os cua o g upos es án incluidos la mayo ía de planes que abo dan
los usua ios cuando ealizan ac i idades en g upo. Además de es os modelos de
g upo, e a necesa io inclui un pe il en el que es én e lejadas el mayo núme o
posible de e apas sociales, median e angos conc e os de edades que dis ingan con
cla idad las necesidades de cada una de dichas e apas. Llegando pues al esul ado de
que niños, jó enes (18 a 25), jó enes (25 a 30) y adul os eúnen los equisi os y
necesidades de ec adas po los usua ios de la aplicación. Po lo an o, con amos con
dos nue os pa áme os pa a solici a una ecomendación: modelo de g upo y edad.
Es os pa áme os son seleccionados po el usua io y ienen p opues os po el sis ema
(sección 5.2).
Po lo an o, median e los modelos de g upo y la ca ac e ización po edades
en angos bien di e enciados, se en iquece el sis ema de ecomendación y se do a a
la aplicación de la au onomía necesa ia pa a que ecomiende un plan de ocio ú il,
sencillo y sa is ac o io.
55
3.5 El con ex o y pe il de usua io
Una de las ca ac e ís icas o ecidas po cualquie sis ema de ecomendación
es la capacidad de ex ae in o mación ú il ace ca del usua io y sus p e e encias con
el in de que la ecomendación sea lo más ace ada posible. Pa a ello, se elabo an
pe iles de p e e encias de usua io y g upo, que a pa i de la in o mación
in oducida en el disposi i o mó il del usua io, puede hace uso de mé odos que
comple an la in o mación necesa ia demandada en cada momen o y que puede se
u ilizada a la ho a de ealiza la ecomendación. La ecogida de oda es a
in o mación se puede di idi en es ca ego ías:
3.5.1 Da os es á icos
Es a in o mación que cambia en el iempo con poca ecuencia susci a da os
que no suelen se modi icados. Po an o en es a ca ego ía se incluyen po ejemplo
las p e e encias sob e museos, es au an es, cen os come ciales, e c.
3.5.2 Con ex o social
Una de las g andes en ajas que supone que el usua io o me pa e de ed una
social, es ob ene g an in o mación que pos e io men e es u ilizada pa a mejo a la
ecomendación. De la ed social (Facebook) se ex ae la in e acción de los
componen es del g upo y los amigos del usua io. Además como el sis ema cuen a con
los modelos de g upo, op imizamos el endimien o del ecomendado combinando las
en ajas que supone u iliza la in o mación ob enida en la ed social, con las
posibilidades que o ecen dichos modelos de g upo, acili ando, además, que al
ealiza la ecomendación pa a un g upo no sea necesa io in e ac ua con ninguna
ed social.
3.5.3 Da os dinámicos
En es a ca ego ía se incluye la in o mación que es suscep ible de cambia
ápidamen e. Po an o, dicha in o mación iene que se ac ualizada
ecuen emen e. Po ejemplo: la ubicación del usua io o la ho a del día son
elemen os impo an es que ienen que se ac ualizados con asiduidad.
56
3.6 Desc ipción de la aplicación
A con inuación, as habe e isado la uncionalidad básica de la
aplicación, ca ac e ís icas, uen es de in o mación, modelos de g upo e
in o mación de con ex o, se de alla la in e az y uncionalidad de aplicación . Así
se pod á ene una isión gene al de cuál es el p oceso desde que se inicia la
aplicación has a que se ecibe un plan as solici a la ecomendación.
3.6.1 Pan alla inicial
Cuando ab imos la aplicación se nos mues a una pan alla inicial que nos
da acceso a los dos di e en es mé odos u ilizados en Mad idManía. Pa a ello, el
usua io puede pulsa el bo ón “Inicia sesión”, que da á acceso al ecomendado
u ilizando la ed social Facebook; exis iendo o o bo ón “Modo in i ado” con el
que se pe mi i á al usua io accede sin ene que comenza sesión.
Figu a 3.1: Pan alla inicial de Mad idManía
63
Conclusiones
Du an e es e capí ulo hemos p ocu ado desc ibi con de alle cómo unciona
Mad idMania haciendo un eco ido a lo la go de los ca álogos y uen es de
in o mación escogidas, así como el sis ema de ecomendación y la pa e on end
(implemen ada como aplicación And oid).
También se ha de e minado la uncionalidad de los modelos de g upo, la
ges ión del con ex o ísico (geolocalización) y social así como su u ilización den o
del sis ema.

64
Capí ulo 4
A qui ec u a del sis ema
Pa a la a qui ec u a de Mad idManía nos hemos decan ado po una es uc u a
que esponde al modelo on end/backend, en el que los clien es And oid ealizan
pe iciones al se ido a a és de una API. El backend se cons i uye de dos módulos:
API y núcleo. Los componen es básicos se p esen an a con inuación a modo de
esumen g á ico, acompañado de una b e e desc ipción:
1. Núcleo: Es el módulo p incipal de Mad idManía, que con iene los
componen es necesa ios pa a el co ec o uncionamien o de la aplicación y el
sis ema. P incipalmen e pe mi e el acceso y la ges ión de la in o mación que
p opo ciona la base de da os o se icios ex e nos (17870.com, Google Places, Guía
del Ocio, Sis ema de Recomendación de ho eles HSR).
4.1 Es uc u a de la aplicación
2. API: Es a capa conec a los clien es (aplicaciones And oid) y el nu!cleo del
se ido . Es a! implemen ada en J2EE (po sencillez y mul i ud de
65
uncionalidades que o ece) y pe mi e ealiza mul i ud de llamadas a los
se ido es.Pa a explica su uncionamien o con el sis ema, podemos deci que
la API ac úa de in e media io en e los clien es y el núcleo.
A con inuación se mues a un g á ico a modo esumen de la
in e acción de la API con el sis ema:
Figu a 4.2: In e acción de la API con el sis ema
Cuando el usua io solici a una ecomendación in oduce una se ie de
p e e encias que se aducen en pa áme os de búsqueda. Es en es e pun o donde el
clien e conec a con la API y en ía una pe ición a dicha API. És a solici a al núcleo
que le de uel a la ecomendación con los pa áme os que el usua io ha in oducido.
T as el p ocesamien o po pa e del núcleo de la pe ición, se en ía la ecomendación
ob enida a la API, que esponde al clien e, p esen ado inalmen e los da os
ob enidos en el p oceso al usua io de la aplicación.
3. Clien e: Es el on end de Mad idManía. Se a a de una aplicacio!n
desa ollada en And oid y pe mi e al usua io in e acciona con el sis ema median e
una in e az g á ica. Recopila las p e e encias, acciones y alo aciones del usua io
pa a mos a le los esul ados de las di e en es ope aciones.
66
Pa a ene una mejo in e acción, el clien e And oid ecibe in o macio!n de
se icios adicionales como la ed social Facebook (a a e!s de la cual el usua io
accede a la aplicacio!n median e el mé odo de usua ios egis ados) o Google Maps
(empleado pa a o ece uncionalidad elacionada con la geolocalización).
4.1. Nu!cleo del sis ema
En es a seccio!n abo da emos odos los de alles conc e os de implemen acio!n
de los componen es in e nos del backend, como pueden se la ges io!n de la base de
da os o el sis ema de ecomendacio!n. Es e nu!cleo, que es a! desa ollado
comple amen e en Ja a y o ma pa e de un p oyec o comple amen e
independien e, se enca ga de odo el p ocesamien o y ges io!n de da os y con iene
odas las uncionalidades que necesi a a! la capa de se icios (API).
A con inuacio!n amos a p o undiza un poco ma!s en los aspec os ma!s
ele an es de es a pa e del sis ema:
4.1.1. Ges io!n de la base de da os
Pa a que Mad idManía sea capaz de ealiza las ecomendaciones
co ec amen e necesi a almacena un conjun o de da os que eu iliza á en u u as
ecomendaciones. Pa a ello se es ablece una conexión en e el núcleo y base de
da os MySQL en la que es án implemen adas las dis in as ablas de almacenamien o
de da os ( eáse .
Pa a el diseño de es a pa e del núcleo se ha diseñado una clase po cada
abla de la base de da os excep uando las ablas pa a plan illa, plan illa-ac i idad,
plan illa-usua io, con oladas desde la clase Plan illasSQL.ja a. Es a clase
con iene las unciones necesa ias pa a ealiza las ope aciones básicas sob e ablas
(inse ción, modi icación o ecupe ación de egis os). Es os mé odos son llamados
desde o os pun os de la aplicación, po lo que o ecen una capa en e la base de
da os y el núcleo pa a hace más sencillas las consul as.
La clase MySQLConnec o .ja a con iene los da os de la conexión a la base de
da os (usua io, se ido y pue o) y p opo ciona la conexión en e cada abla y su
67
en ada en la base de da os. De es a mane a, odas las clases ienen como a ibu os
al menos un elemen o de la conexión y el obje o Conec ion, pa a ealiza las
espec i as consul as SQL. Dicho obje o se ob iene a pa i de la ins ancia
MySQLConnec o .
Como en la mayo ía de casos que se u ilizan es as ins ancias, se u iliza el
pa ón Single on pa a la clase MySQLConnec o , que ges iona la base de da os. Como
siemp e que u ilizamos es e pa ón, que emos e i a la exis encia de múl iples
conexiones a la base de da os, pudiéndose queda és a bloqueada. Con el uso del
Single on conseguimos diseña y u iliza la clase de mane a que sólo exis a un único
obje o de esa clase du an e oda la ejecución. Es deci , un obje o MySQLConnec o ,
y és e se llama en la p ime a e e encia a la clase. Al c ea más e e encias, se
de uel e la misma ins ancia que se c eó en la p ime a llamada.
Es e plan eamien o lógicamen e conlle a a que desa olla un mé odo
es á ico llamado ini Connec ion, que de uel e la conexión a la base de da os que se
ha especi icado cuando se ins ancia el objec o MySQLConnec o .
4.1.2. Recomendado
Mad idManía es un ecomendado basado en plan illas de ac i idades con el
que se p e ende ob ene una ecomendación que se adap e a las necesidades de
cada usua io. Pa a su composición se u iliza el concep o de plan illas abs ac as y
conc e as (ejemplo en sección 5.3.3).
El p oceso a g andes asgos es el siguien e:
Se oma una plan illa abs ac a c eada po el sis ema o usua io indicando en
ella los ipos de ac i idades que desea inclui en el plan, el ho a io y localización en
el que a a anscu i dicha plan illa. Po ejemplo una plan illa abs ac a se
compone de museos, es au an es, paseos y cen os come ciales
68
Figu a 4.3: Ejemplo de plan illa abs ac a
Una ez que enemos la plan illa, a la que llamamos Plan illa Abs ac a
(Figu a ) la aplicación gene a dis in as ac i idades conc e as asignadas a cada ipo de
ac i idad abs ac a. Dado el caso de la plan illa an e io , pod ía p opone “El Museo
del P ado” como Museo, “KFC” como Res au an e, “Mad id RIO” como Paseo e
“Islazul” como cen o come cial.
En es e momen o, cuando una Plan illa Abs ac a iene ac i idades conc e as
pasa a llama se Plan illa Conc e a (Figu a)
Figu a 4.4: Ejemplo de plan illa conc e a
4.1.2. Base de da os local
En gene al, las aplicaciones And oid cuen an con una base de da os local
SQLi e que man iene en odo momen o in o mación necesa ia pa a el uso de la
aplicación. El p incipal mo i o de man ene es a base de da os y no ealiza
conexiones a se ido (conexión con la capa de se icios) es accede a in o mación
que se consul a ecuen emen e. De es a mane a se op imiza el endimien o de las
búsquedas, ob eniendo da os con mucha apidez.
4.2. Conexión con la ed Social
En es a sección se explica la conexión que ealiza el sis ema con la ed social,
ya que a lo la go de la memo ia (po ejemplo la sección 5.1.2) de allamos la
in e acción del clien e con el se ido , incluyendo los mé odos necesa ios pa a
ealiza la conexión.

69
Pa a la in e acción social, Mad idManía se in eg a con un se icio ex e no que p o ee
de da os ace ca de los usua ios y su en o no social. Lo más ap opiado es u iliza una
ed social pa a ealiza la in eg ación. Aunque se ha op ado po Facebook, no hab ía
ningún p oblema en u iliza cualquie o o se icio, ya que la a qui ec u a de
Mad idManía es á pensada pa a abaja con cualquie se icio ex e no o ed social.
A con inuación se desc ibe b e emen e la es uc u a del se icio pa a ges iona la
conexión con la ed social Facebook:
● Conec o Social.ja a: In e az que con iene los mé odos gené icos que puede
usa el clien e pa a abaja con la ed social.
Algunos de los mé odos de inidos en es a in e az son login(), logou (),
comp oba Sesion() que comp ueba si las sesiones es án ac i as o
sinc oniza Da osRedSocial() que en ía in o mación en segundo plano
sob e la ed social y la en ía al se ido .
● Conec o Facebook.ja a: Implemen a los mé odos del in e az an e io . Po
sencillez se in eg a el SDK de Facebook pa a ealiza llamadas a mé odos del
p opio SDK. Po ejemplo pa a el inicio de sesión (mé odo login() ) se u iliza
el p opio mé odo que p opo ciona el SDK, que mues a el o mula io, solici a,
almacena y p ocesa las c edenciales de inicio de sesión.
Dado el caso que se ha mencionado an e io men e, si decidiésemos cambia
el se icio o ed social, debe íamos c ea nos una nue a clase
Conec o Nue o.ja a que implemen e el in e az Conec o RedSocial.ja a. De
igual o ma, comple a íamos la clase Conec o Nue o.ja a con la in eg ación
del SDK que p o eye a de los mé odos que necesi á amos implemen a .
● Conec o Facebook.ja a: Clase Fac o ía que man iene una única ins ancia
ac i a en el sis ema del conec o de la ed social (de ipo
Conec o RedSocial) y p opo ciona un mé odo es á ico pa a accede a la
misma desde odo el clien e.
4.3. Clien e And oid
En es a sección se a a el Clien e de And oid desde el pun o de is a del
uncionamien o, la ges ión de la base de da os, y la conexión con el se ido . Se
de alla án los módulos necesa ios pa a la comp ensión, sin en a en de alles
comple os de la implemen ación de cada ac i idad.
70
4.3.1 Ac i idades
Una aplicación And oid se compone de una se ie de Ac i idades. Cada una de
ellas o ecen al usua io una se ie de uncionalidades ( en ana de inicio de sesión
median e login o modo in i ado, solici a la ecomendación de un plan...). Podemos
encon a las en el paque e com.ssii.mad idli e del p oyec o Mad idManía
( on end). En dicho paque e es án incluidas las nue as ac i idades implemen adas
(RecomendacionIn i adoAc i i y.ja a,P incipalAc i i yIn i ado.ja a,
e c). Todas ellas he edan de la clase Gene alAc i i y.ja a, ya que p esen aban
un conjun o de ca ac e ís icas comunes (como un bo ón pa a na ega en e
ac i idades, o una es uc u a semejan e en los layou s).
Se han añadido opciones de con ol de sesiones pa a di e encia la sesión en
modo in i ado (sección 5.1), y se ha op imizado la in e az de la aplicación pa a una
mejo expe iencia de usua io (sección 3.6).
71
72
Capí ulo 5
Diseño de los subsis emas.
A lo la go del p oyec o se han in oducido dis in as uncionalidades pa a
comple a el sis ema p eceden e (mejo a de in e az, op imizaciones de código,
e c). Además se han incluido módulos o subsis emas que aumen an
signi ica i amen e la e sa ilidad y uncionalidad de la aplicación.
Es e capí ulo e sa á sob e los di e sos susbsis emas que cons i uyen las más
impo an es no edades espec o a Mad id Li e: modo in i ado, modelos de g upo y el
módulo de ecomendación pa a nue as ac i idades.
5.1 Subsis ema: modo in i ado
El modo in i ado pe mi e u iliza el sis ema de un usua io que no es é
egis ado, pudiendo dis u a de las en ajas del sis ema de ecomendación
(ob ención de un plan de ocio que sa is aga las necesidades pe sonales y sociales del
usua io).
5.1.1. Obje i o del subsis ema
El obje i o de inclui un modo in i ado en el sis ema, es pode hace uso
de la aplicación sin ene que u iliza Facebook u o a ed social
obliga o iamen e. Que emos do a al sis ema de la capacidad de ealiza una
ecomendación ápida y sencilla pa a ac i idades, en un espacio y iempo
de e minados.
Además, de la misma mane a que se ha podido adap a el sis ema que
an e io men e conec aba con Facebook, se p e ende acopla de o ma
independien e el uncionamien o en modo in i ado con cualquie o a ed social
en un u u o pa a ob ene más in o mación (Twi e , Linkedin…) sin necesidad de
ealiza un cambio especí ico pa a cada subsis ema.
79
1. Fil ado po ac i idad: Dado un conjun o de ac i idades (museos, cines y
cen os come ciales) se selecciona cada ac i idad pa a pode se il ada. En
nues o caso y siguiendo el ejemplo, seleccionamos “cines”.
2. Fil ado po modelo de g upo: Se selecciona el modelo de g upo escogido po
el usua io. En es e caso “ amilia ”.
3. Fil ado po edad: Se de e mina la edad del usua io. En es e caso “niños”
Con los il os es ablecidos, se ob iene una lis a de esul ados. El p oceso es
el siguien e:
Pa a el ecomendado de cada ac i idad (cines, es au an es, museos, e c), la
clase Recomendado Ac i idad.ja a ealiza una llamada a un mé odo que asigna
alo es a las dis in as ca ego ías almacenadas en las ablas SQL de cada ac i idad.
Con inuando la desc ipción del ejemplo is o an e io men e, la clase
Recomendado Cines.ja a llama ía al mé odo ge PesosUsua io() pasándole como
pa áme o el modelo de g upo y la edad del usua io, y es e de ol e ía la in o mación
en el o ma o de una lis a de p e e encias eque ida pa a cada ac i idad.
Finalmen e, as se p ocesadas odas las pe iciones, se de uel e al clien e
una lis a de esul ados.
5.3. Subsis ema: módulos de ecomendación
El sis ema de ecomendación de Mad idManía se compone de a ios
submódulos ecomendado es que, una ez unidos, dan o ma a la uncionalidad de
ecomendación de ac i idades de la aplicación.
El p oyec o o iginal ya con aba con ecomendado es pa a las ac i idades de
museos, pa ques, paseos, es au an es y cines, de modo que noso os en es e
apa ado sólo inclui emos los que han sido desa ollados pa a las nue as ac i idades
que se han añadido añadido. Explica emos b e emen e cada uno de es os submódulos
así como su o ma de acopla se con el es o.
Cabe des aca que la implemen ación de odos es os módulos
ecomendado es, an o los del p oyec o o iginal como los nue os que se han

80
desa ollado, se encuen a basada en un p oceso CBR y se ha lle ado a cabo
u ilizando el amewo k jCOLIBRI.
5.3.1. Recomendado de cen os come ciales
El p ime módulo del que habla emos en es e apa ado es el ecomendado de
cen os come ciales. A con inuación se desc ibe su obje i o, is a de da os y diseño.
5.3.1.1. Obje i o del subsis ema
El p ime módulo del que habla emos es el de cen os come ciales, que
localiza en la base de da os un posible cen o come cial que ecomenda el usua io.
Pa a lle a a cabo una ecomendación de es a ac i idad el ecomendado u iliza las
alo aciones de o os usua ios y la localización del cen o come cial. La
implemen ación conc e a de es e módulo se encuen a en la clase
Recomendado Cen osCome ciales.ja a.
5.3.1.2. Vis a de da os y diseño del subsis ema
El ecomendado lle a a cabo el siguien e p oceso a la ho a de lle a a cabo
una ecomendación:
● Ob ención de los da os
El p ime paso ealizado po el ecomendado es la búsqueda en la base de
da os de odos los posibles cen os come ciales a ecomenda y el mapeo de
cada uno de los elemen os ecupe ados pa a c ea un obje o de la clase
Cen oCome cialDesc ip ion.ja a, que engloba odos los a ibu os de los
que se ha á uso en la ecomendación.
Una ez que ha sido gene ada es a base de da os, se asignan los pesos a los
di e en es a ibu os a e alua pa a cada cen o come cial (localización,
alo aciones de o os usua ios, e c.), con lo que se consigue da una mayo o
meno impo ancia a una u o a p opiedad de los cen os come ciales.
● Ciclo CBR
Cuando ya se han ecupe ado co ec amen e odos los posibles cen os
come ciales, se han almacenado en una base de casos y se ha asignado un
81
peso a cada uno de los a ibu os, se p ocede a ejecu a el ciclo CBR, que se
enca ga de e alua cada uno de los elemen os de la base de casos y de uel e
un lis a o denada con un “ alo de sa is acción”, que indica el g ado de
ajus e de dicho cen o come cial a las p e e encias del usua io. Cuan o mayo
sea el alo , mejo se á el ajus e.
Aunque se ía posible ecupe a solamen e los N elemen os de mayo “ alo de
sa is acción”, se abaja con oda la lis a comple a pa a aplica il ados
pos e io es.
● Fil ado y ecupe ación de las soluciones
Una ez ob enida la lis a de cen os come ciales e aluada y o denada de
mayo a meno en unción del “ alo de sa is acción”, se p ocede a aplica un
il ado sob e el ho a io del cen o come cial pa a con i ma si esul a
ap opiado pa a las es icciones que se han impues o. En caso de no se lo,
es a ac i idad se desca a y se busca o o posible cen o come cial de la lis a.
Cuando es e il ado inaliza, se de uel e como esul ado aquel cen o
come cial que enga un mayo “ alo de sa is acción” y que cumpla el il o
an e io , mapeando dicho esul ado en un obje o de la clase
Cen oCome cialSolu ion.ja a.
● Función de ag egación
Pa a el caso de los cen os come ciales no exis e ningún ipo de p e e encia
especí ica pa a un “ ipo” de cen o come cial en conc e o. Po es o, cuando
el ecomendado solici a un cen o come cial, en luga de aplica una unción
de ag egación, el ecomendado a a de o ece el cen o come cial más
ce cano y con mejo es pun uaciones de o os usua ios.
5.3.2. Recomendado de pa ques de ocio
A con inuación se p esen a el módulo de ecomendación de planes de ocio,
muy simila al ecomendado an e io de cen os come ciales.
82
5.3.2.1. Obje i o del subsis ema
El ecomendado de pa ques de ocio se enca ga de localiza en la base de
da os un posible pa que de ocio que ecomenda al usua io. Como en el caso de los
cen os come ciales, es e ecomendado abaja con las alo aciones de los usua ios
y la localización del pa que de ocio.
5.3.2.2. Vis a de da os y diseño del subsis ema
Pa a ob ene la ecomendación de un pa que de ocio, el módulo sigue los
siguien es pasos:
● Ob ención de los da os
En p ime luga , el ecomendado de pa ques de ocio accede a la base de
da os local del se ido pa a gene a un base de casos que con enga odos los
posibles pa ques de ocio a ecomenda . Es os pa ques de ocio se mapean en
un obje o de la clase Pa queDeOcioDesc ip ion.ja a, el cual cuen a con
odos los a ibu os necesa ios a la ho a de lle a a cabo la ecomendación.
T as habe gene ado es a base de casos, se le asignan di e en es pesos a los
a ibu os a e alua pa a cada pa que de ocio.
● Ciclo CBR
El siguien e paso ealizado después de la ca ga de la base de casos y la
asignación de pesos a los a ibu os es la ejecución del ciclo CBR pa a la
e aluación de cada uno de los pa ques de ocio. Al igual que en los demás
ecomendado es, la e aluación se lle a a cabo median e la asignación de un
“ alo de sa is acción” a cada uno de los posibles pa ques de ocio.
Cuando se ha conseguido la lis a o denada de pa ques de ocio, se abaja con
ella en su o alidad pa a aplica le un pos e io il ado.
● Fil ado y ecupe ación de las soluciones
Pa a cada pa que de ocio de la lis a an e io se aplica un il o consis en e en
una comp obación sob e el ho a io y la du ación de la ac i idad. En el caso de
que es a no se ajus e al il ado, se desca a la ac i idad y se comp ueba el
siguien e elemen o de la lis a.
Como ecomendación se de uel e aquel pa que de ocio que cumpla el il o
83
an e io y posea el mayo “ alo de sa is acción” posible mapeado den o de
un obje o de la clase Pa queDeOcioSolu ion.ja a.
● Función de ag egación
Al igual que en el caso an e io , no aplicamos ninguna unción de ag egación
pa a es e ipo de ecomendación. El mo i o es que ac ualmen e no exis e
ningún elemen o di e enciado pa a di e en es pa ques de ocio almacenados
en las p e e encias del usua io. Po ejemplo: se pod ía habe ecogido
in o mación ace ca del ipo de pa que ocio, como pa que de a acciones,
pa que emá ico o pa que acuá ico, que segu amen e end ían ca ac e ís icas
que encaja ían mejo o peo con los usua ios.
Ac ualmen e la ecomendación de pa ques de ocio juega con a ibu os básicos
como la localización o las alo aciones de o os usua ios.
5.3.3. Recomendado de ho eles
Es e ecomendado iene la pa icula idad de ecupe a un esul ado a a és
de la API de HSR, o o p oyec o de g ado ealizado es e año y que a a sob e un
sis ema de alo ación de ho eles.
5.3.3.1. Obje i o del subsis ema
El obje i o de es e sis ema es ob ene un ho el que ecomenda a un usua io
si selecciona es e ipo de ac i idad. Es e ecomendado iene la pa icula idad de
ob ene el ho el a ecomenda de o ma dinámica en luga de selecciona un
esul ado de en e los que se encuen an almacenados en una base de da os en el
se ido .
5.3.3.2. Vis a de da os y diseño del subsis ema
El ecomendado de ho eles ealiza los siguien e pasos pa a la elección de un
ho el:
● Ob ención de los da os
La API se HSR de uel e el mejo ho el en base a un análisis sin ác ico de los
84
esul ados que de uel e dicho ho el en Google. Los compañe os que han
lle ado a cabo es e p oyec o han adap ado su uncionalidad pa a que noso os
podamos ob ene el mejo ho el en una ubicación dada en base al análisis que
ellos lle an a cabo. Es e esul ado se mapea en un obje o de la clase
Ho elDesc ip ion.ja a, que incluye odos los a ibu os ele an es pa a la
ecomendación.
● Ciclo CBR
En el caso de es e ecomendado no se emplea el ciclo CBR pa a selecciona
el ho el más adecuado pa a la ecomendación de una lis a de opciones pues
HSR ya nos de uel e el mejo ho el pa a la ubicación indicada.
● Fil ado y ecupe ación de las soluciones
A con inuación, se comp ueba que el ho el de uel o cumple con las
es icciones ho a ios impues as y se mapea és e es un obje o de la clase
Ho elSolu ion.ja a.
5.3.3. Recomendado de plan illas abs ac as
Po úl imo, en es e apa ado se desc ibe el uncionamien o del ecomendado
de plan illas abs ac as.
5.3.3.1. Obje i o del subsis ema
El ecomendado de plan illas abs ac as se enca ga de gene a una plan illa
de ac i idades comple amen e nue a cuyo con enido se á ellenado pos e io men e
con los ecomendado es de ac i idades conc e as (cines, es au an es, pa ques,
paseos, museos, cen os come ciales, pa ques de ocio y ho eles). Al igual en odos
los casos an e io , nos encon amos an e un sis ema de ecomendación CBR.
5.3.3.2. Vis a de da os y diseño del subsis ema
Pa a es e ecomendado , la secuencia de ope aciones a lle a a cabo se ía la
siguien e:

85
● Ob ención de los da os
El p ime paso que ealiza es e ecomendado es ecupe a odas las posible
con igu aciones de ac i idades disponibles, mapeando és as en obje os de la
clase Plan illaDesc ip ion.ja a.
Se ecupe an combinaciones de la o ma: 09:00 - 11:00 paseo, 09:45-15:45
paseo + pa que + es au an e, e c. y se gua dan los da os necesa ios de cada
una de ellas en los que se basa á la ecomendación (lis a de ac i idades,
ho a io del plan, e c.).
Todas es as combinaciones se almacenan en una lis a que se á la bases de
casos empleada después en el ciclo CBR.
A con inuación se p ocede a asigna una se ie de pesos a cada uno de los
a ibu os que se end án en cuen a a la ho a de e alua cada plan abs ac o,
es deci , aquellos pa áme os que pe mi i án asigna un alo de
“impo ancia” a unas p opiedades en e al es o.
Los a ibu os más impo an es a e alua son el ho a io del plan conc e o y la
lis a de ac i idades a in de que encajen lo mejo posible con las es icciones
impues as po el usua io y el pe il de p e e encias.
● Ciclo CBR
Ya pa iendo de una se ie de es icciones, una base de casos y unos pesos
ijados pa a cada a ibu o, se p ocede a ejecu a el ciclo CBR pa a ob ene
una lis a o denada de planes abs ac os en unción de su “ alo de
sa is acción”, que indica cómo se ajus a dicho plan a las p e e encias del
usua io. A mayo alo , más adecuada se á la ecomendación de ese plan pa a
el usua io.
● Fil ado y ecupe ación de la solución
A di e encia de los ecomendado es de ac i idades, en es e caso no es
necesa io ealiza un il ado pos e io ya que el esul ado de uel o siemp e
es el de mayo “ alo de sa is acción” posible. Es o se debe a que solo se
accede a es e ecomendado si no hay o a o ma de ob ene un plan mejo
(es deci , es el úl imo ecu so) y debe de ol e siemp e un plan álido.
● Rellenado de la plan illa
Con el plan abs ac o ya de inido, el ecomendado de plan illas abs ac as
p ocede a ellena cado uno de los huecos disponibles con ac i idades
conc e as (cen os come ciales, cines, e c.) según ayan siendo necesa ios.
86
El sis ema de ecomendación de plan illas abs ac as no u iliza ninguna
unción de ag egación ya que, si uese necesa io, és e ya se aplica ía den o
de cada ecomendado indi idual.
Conclusiones
Den o de es e capí ulo, hemos a ado de explica con el mayo igo y
cla idad posible el uncionamien o de los es p incipales subsis emas in oducidos en
Mad idManía: modo in i ado, modelos de g upo y el módulo ecomendado pa a
nue as ac i idades. En cada uno de ellos, se ha de inido los obje i os, la is a de
da os y el diseño. Además, pa a en ende mejo su uncionamien o, se han desc i o
con la mayo cla idad posible concep os de u ilidad, pa a así consegui su mejo
comp ensión.
87
88
Capí ulo 6
Valo ación expe imen al
En es e capí ulo hemos p e endido explica que pa a ealiza una
modi icación o mejo a del sis ema se ha de p es a especial a ención a las posibles
necesidades de los po enciales usua ios de la aplicación. Pa a ello se han ealizado
una se ie de encues as con el obje o de analiza los da os ob enidos, y
pos e io men e mejo a la aplicación.
A con inuación, p ocu amos mos a cómo ha sido ealizado el diseño del
expe imen o buscando un amplio abanico de opiniones pa a pode ex ae los
esul ados deseados.
6.1. Diseño del expe imen o inicial
Pa a e cuáles e an las necesidades de los usua ios, la búsqueda se ealizó
en e segmen os de población de las dis in as edades, g upos sociales [Tu ne , J.C.,
1982], g upos cul u ales a ando con ello de ob ene la mayo can idad posible de
da os, que con pos e io idad hemos podido u iliza pa a con ecciona los nue os
componen es del sis ema. Si e como ejemplo el g upo labo al (compañe os de
abajo). En es e g upo hay indi iduos de dis in as edades, dis in as a iciones y con
ca ac e ís icas amilia es di e enciadas. El g upo de amigos y conocidos
pe enecien es al ámbi o uni e si a io es el más explo ado y e aluado, ya que es muy
amplio, di e so y nues o con ac o es di ec o y pe manen e.
Con as ando odas es as especi icaciones, llegamos a conclui cuales son las
cues iones más in e esan es que deseamos que nos esponda cada usua io. A es o
podemos añadi la in o mación (que nos esul a más ele an e) de o os sis emas de
ecomendación analizados en el es ado del a e (Fe e , Wha s ed, e c).
95
Figu a 6.7: Resul ados de la encues a: sa is acción con el modo in i ado
Pa a analiza las e aluaciones ela i as a la inclusión de nue as ac i idades se
p ocedió de la siguien e o ma:
A cada indi iduo que o maba pa e del expe imen o, se le especi icó que indicase el
conjun o ac i idades que demandaban su in e és. Po lo an o, pudimos comp oba
(Figu a 6.8) si ha sido un acie o inclui es as nue as ac i idades (cen os
come ciales, pa ques de ocio y ho eles).

96
Figu a 6.8: Resul ados de la encues a: nue as ac i idades
Po úl imo, al a a de mejo a la ecomendación pa a g upos, ealizamos una
e aluación de la ges ión ac ual ealizada, pa a pode compa a la con la que se hacía
an e io men e. El 82,7% es á de acue do con el nue o sis ema (Figu a 6.9), que
pe mi e c ea un g upo pe sonalizado, o ob ene ecomendaciones de planes de ocio
g upales simul áneamen e. Po an o, la sa is acción con la nue a uncionalidad que
o ece el sis ema es bas an e no able.
Figu a 6.9: Resul ados de la encues a: nue as ac i idades
97
6.4 Conclusiones del expe imen o
En es e capí ulo hemos ealizado un eco ido po las e aluaciones de los
usua ios, a los que en é minos inales a di igida la aplicación. Pa a p ocede a
es ablece una línea más cla a de abajo, se ha ealizado una ecogida de opiniones
inicial, iden i icando las necesidades de los usua ios. Pos e io men e, as ealiza
los cambios pe inen es y añadi módulos, se ha que ido oma cons ancia de si es as
modi icaciones han sido co ec as. T as el análisis de da os ex aído en el
expe imen o inal, podemos conclui que Mad idManía ha mejo ado la uncionalidad
del sis ema, a pa i de las es icciones impues as po los usua ios.
Pun os posi i os
1. Dos mé odos de acceso: Facebook e in i ado.
2. Di e en es al e na i as pa a ealiza ac i idades en g upo.
3. Resul a sencillo elegi los planes de ocio.
4. La in e az mejo a la usabilidad.
Pun os nega i os
1. El nume o de modelos de g upo que se puede escoge es limi ado.
2. El usua io no puede c ea los modelos de g upo, ienen es ablecidos po el
sis ema.
98
Capí ulo 7
Conclusiones del p oyec o
En el capí ulo 6 se ha desc i o el expe imen o de alidación ealizado jun o
con las conclusiones ob enidas de és e, aho a en es e capí ulo se comen an las
conclusiones gene ales de odo el p oyec o y las apo aciones a és e de cada uno de
noso os.
7.1. Obje i os del p oyec o
En p ime luga , en lo e e ido al cumplimien o de obje i os en el p oyec o,
se han ce ado odos los pun os p opues os:
● C eación de un modo in i ado. El p ime g an cambio que hemos lle ado
espec o al p oyec o o iginal ha sido la c eación de un modo in i ado que
complemen a el modo de uncionamien o con Facebook que exis ía an es. De
es e modo es posible u iliza la aplicación sin necesidad de accede a ella
u ilizando una ed social. Sin emba go, al a a se Mad idManía de un
ecomendado de planes de ocio g upales, ha sido necesa io ealiza cambios
como la ca ac e ización de g upos pa a consegui que las ecomendaciones
sigan siendo lo más p ecisas posibles.
● Ca ac e ización de g upos. Es e obje i o enía impues o en cie a mane a a
coalición del pun o an e io , pues la c eación de un modo in i ado implicaba
pe de la c eación de g upos de Facebook del modo o iginal de
uncionamien o de la aplicación. En es e caso op amos po c ea modelos de
g upo en base a un ango de edades y un ipo de elación en e sus miemb os
pa a ca ac e iza a g upos de usua ios que c eemos que se ían los que pod ían
es a in e esados en u iliza un ipo de aplicación como Mad idManía. G acias
a es os g upos, es posible asigna un mayo o meno peso a dis in os ipos de
99
ac i idades y ajus a las ecomendaciones a ellos aunque en es e modo no
con emos con la in o mación p opo cionada po Facebook.
● Inclusión de nue as ac i idades de ocio. Pa a pode o ece unas
ecomendaciones más amplias a lo usua ios, e a necesa io añadi nue as
ac i idades de ocio al ca álogo exis en e. Las ac i idades con las que con aba
el p oyec o o iginal más las es que han sido añadidas han conseguido que
Mad idManía o ezca ecomendaciones bas an e a iadas y ap o eche aún más
las múl iples posibilidades de ocio que o e a la ciudad de Mad id.
● Mejo a de la in e az de la aplicación. Po úl imo, uno de los pun os que
que íamos mejo a del p oyec o o iginal e a la in e az de la aplicación. Con
Mad idManía hemos in en ado apo a un aspec o más mode no a las
pan allas, así como añadi nue os bo ones e iconos que mues an de mane a
más cla a su unción.
Dejando de los cambios que hemos ealizado, debemos comen a ambién
aquellos conocimien os que hemos adqui ido du an e la ealización de es e p oyec o.
Como ya se comen ó al inicio de es a memo ia, los sis emas de
ecomendación son un ema que ha cob ado especial impo ancia du an e los úl imos
años. Mul i ud de se icios web dedicados a la o e a de p oduc os o se icios
(Amazon, T ipad iso , Fe e , Wha s ed, e c.) ap o echan las posibilidades que
o ecen los sis emas de ecomendación pa a ga an iza a sus usua ios una mejo
expe iencia al isi a los y mejo a sus posibilidades de en a. Nos ha esul ado muy
in e esan e comp ende desde mi p ime a mano cómo unciona un sis ema
ecomendado y c eemos que es os conocimien os que hemos adqui ido ace ca de
ellos pueden se nos de u ilidad de ca a al u u o.
O o de los pun os cla e que nos ha p opo cionado la ealización de es e
p oyec o ha sido el es udio de los modelos de g upo y cómo pode di idi a un
público obje i o pa a nues a aplicación en subg upos con ca ac e ís icas dis in as. El
es udio que hemos lle ado a cabo pa a asigna un mayo o meno peso a una se ie de
pa áme os pa a ajus a las ecomendaciones a un g upo de usua ios nos ha hecho
comp ende la di icul ad que en aña o ece una ecomendación que se ajus e a los
gus os o p e e encias de és os, y la mul i ud de in o mación que se ha de ene en
cuen a si quie e hace se de la mane a más co ec a posible.
100
El uso de APIs pa a ecupe a in o mación de o os se icios y u iliza la en
nues a aplicación ha sido o o pun o que nos ha esul ado de especial in e és
du an e el desa ollo de Mad idManía. La API de 11870, con la que noso os hemos
abajado p incipalmen e pa a nues o p oyec o, o ece mul i ud de ipos dis in os
de ac i idades de ocio pa a dis in as ciudades de España, aunque noso os solo nos
hayamos cen ado en la ciudad de Mad id. Una ez hecho el desa ollo pa a mapea
los da os ecibidos de una API en obje os Ja a manejables po nues os
ecomendado es, añadi nue as ac i idades ya sea de és a o de o as APIs es
ela i amen e sencillo.
Cabe des aca el uso que hemos enido que ealiza an o de la ecnología
And oid pa a la implemen ación de la pa e del clien e de Mad idManía como la pa e
de se ido a pa i de J2EE. Ambos habíamos desa ollado an e io men e pa a
And oid, pe o desa olla un p oyec o en e o como es e nos ha hecho e la mul i ud
de posibilidades que o ece es e sis ema ope a i o y los disposi i os mó iles en
gene al, y como ebuscando po In e ne se pueden encon a mon ones de
in o mación ace ca de cómo añadi mul i ud de uncionalidades a una aplicación.
Cada ez que nos ha su gido algún p oblema du an e el desa ollo, hemos sido
capaces de encon a cómo soluciona lo de o ma más o menos ápida, lo que es muy
de ag adece pa a los desa ollado es. En la pa e del se ido sí que nos
encon ábamos algo más e des y hemos enido que pa i casi desde ce o has a
llega a en ende su uncionamien o y su mane a de in e cambia in o mación con el
clien e de And oid. Es o úl imo, jun o con los sis emas de ecomendación, es
p obablemen e lo que pensamos que más nos puede apo a de ca a a nues a ida
labo al.
7.2. Apo aciones de cada miemb o del g upo
En es e apa ado se esumen las apo aciones de cada miemb o del g upo en
el desa ollo de es e p oyec o. Cabe des aca que hemos in en ado ealiza un
epa o de a eas equi a i o, pa a que la ca ga de abajo sea simila .

101
7.2.1. Apo aciones de Guille mo
En es a sección desc ibo en de alle cuáles han sido mis apo aciones a lo la go
del desa ollo del p oyec o de es e abajo de in de g ado y su memo ia. En p ime
luga desc ibi é las a eas que he lle ado a cabo en lo e e ido al diseño de la
aplicación, pos e io men e menciona é mis apo aciones en lo que se e ie e al
desa ollo (a ni el de p og amación) y con inua é con aquellas pa es de la memo ia
que han sido edac adas po mí.
P ime amen e, en lo que al diseño de la aplicación se e ie e, ha sido
necesa io es udia cómo uncionan los sis emas basados en conocimien o
( anspa encias de ISBC14), los sis emas de ecomendación que podemos encon a en
la ac ualidad (Wha s ed o FilmA ini y) y la aplicación p edeceso a (Mad id Li e).
Dado que es un sis ema o ien ado a g upos, se puede en iquece el sis ema median e
écnicas u ilizadas en los ecomendado es g upales. En nues o caso, nos decan amos
po c ea un modelo de g upo. Pa a ob ene las ca ac e ís icas de dicho modelo,
ealicé un conjun o de encues as (sección 6.1) que pos e io men e dis ibuimos a
pe sonas de nues o en o no (al se el amaño de la mues a 50 usua ios, aco damos
cumplimen a 25 cada uno).
En cuan o al p opio desa ollo de la aplicación, me he cen ado sob e odo en
la pa e on end. Me he enca gado de añadi en la pan alla de solici a la
ecomendación los campos pa a selecciona g upos y ac i idades, así como la ges ión
in e na de los mismos. Se incluye en es e pun o la conexión clien e-se ido
u ilizando Se le s pa a en ia y ecibi pa áme os.
El desa ollo backend lo he cen ado más en la ges ión de g upos, median e
mé odos pa a selecciona las p e e encias a la ho a de ealiza una ecomendación.
Pa a el modo in i ado, hemos abajado colabo a i amen e c eando mé odos
especí icos que con olan el acceso a usua ios de Facebook o no egis ados. Cabe
des aca que han sido necesa ios cambia muchos pun os de la aplicación ( an o en
clien e como el se ido ), ya que es a es aba pensaba pa a la ecomendación a
14 ISBC: Ingenie ía de Sis emas basados en Conocimien o, GAIA, Depa amen o del So wa e e
In eligencia A i icial. Uni e sidad Complu ense de Mad id.
102
usua ios egis ados. Es as apo aciones se especi ican a lo la go del capí ulo 5, ya
que cons i uyen las p incipales no edades que inco po a Mad idManía.
Pa a ealiza la memo ia con ibuimos a elabo a un índice común y uimos
ellenado con enidos. En unción de las apo aciones que cada miemb o había hecho
en el p oyec o, se cen ó más en la edacción de sus con enidos. El anexo se elabo ó
de o ma conjun a. Pa a la pa e de inglés yo hice la in oducción y mi compañe o
las conclusiones.
Po úl imo, a modo de esumen, se es ablece una compa a i a en po cen aje
de los abajos ealizados, in en ando que la ca ga ue a equi a i amen e al 50%
an o en di icul ad, como en con enido.
Po cen aje de abajo de Guille mo:
● Diseño: 60%
● Bases de da os: 20%
● Funcionalidades: 50%
● Subsis emas 50 %
● Memo ia 40 %
103
7.2.2. Apo aciones de Ma a
En es a sección desc ibo en de alle cuáles han sido mis apo aciones a lo la go
del desa ollo del p oyec o de es e abajo de in de g ado y su memo ia. En p ime
luga desc ibi é las a eas que he lle ado a cabo en lo e e ido al diseño de la
aplicación, pos e io men e menciona é mis apo aciones en lo que se e ie e al
desa ollo (a ni el de p og amación) y con inua é con aquellas pa es de la memo ia
que han sido edac adas po mí.
P ime amen e, en lo que al diseño de la aplicación se e ie e, ha sido
necesa io es udia cómo uncionan los sis emas basados en conocimien o
( anspa encias de ISBC15), los sis emas de ecomendación que podemos encon a en
la ac ualidad (Fe e o Amazon) y la aplicación p edeceso a (Mad id Li e). Dado que
es un sis ema o ien ado a g upos, se puede en iquece el sis ema median e écnicas
u ilizadas en los ecomendado es g upales. En nues o caso, nos decan amos po
c ea un modelo de g upo. A aíz de las encues as diseñadas po mi compañe o,
dis ibuimos las mismas a pe sonas de nues o en o no (al se el amaño de la
mues a 50 usua ios, aco damos cumplimen a 25 cada uno).
En cuan o al p opio desa ollo de la aplicación, me he cen ado sob e odo en
la pa e backend. Me he enca gado de añadi las nue as ac i idades: cen os
come ciales, pa ques de ocio y ho eles (es e úl imo en colabo ación con Guille mo).
En es e pun o, cabe des aca la implemen ación de odos es os módulos
ecomendado es basados en un p oceso CBR y que u ilizan el amewo k jCOLIBRI.
Es as apo aciones se especi ican a lo la go de la sección 5.3.
Pa a el modo in i ado, hemos abajado colabo a i amen e c eando mé odos
especí icos que con olan el acceso a usua ios de Facebook o no egis ados. Cabe
des aca que han sido necesa ios cambia muchos pun os de la aplicación ( an o en
clien e como el se ido ), ya que es a es aba pensaba pa a la ecomendación a
usua ios egis ados. Es as apo aciones se especi ican a lo la go del capí ulo 5, ya
que cons i uyen las p incipales no edades que inco po a Mad idManía.
15 ISBC: Ingenie ía de Sis emas basados en Conocimien o, GAIA, Depa amen o del So wa e e
In eligencia A i icial. Uni e sidad Complu ense de Mad id.
104
Pa a ealiza la memo ia con ibuimos a elabo a un índice común y uimos
ellenado con enidos. En unción de las apo aciones que cada miemb o había hecho
en el p oyec o, se cen ó más en la edacción de sus con enidos. El anexo se elabo ó
de o ma conjun a. Pa a la pa e de inglés yo hice las conclusiones y mi compañe o
la in oducción.
Po úl imo, a modo de esumen, se es ablece una compa a i a en po cen aje
de los abajos ealizados, in en ando que la ca ga ue a equi a i amen e al 50%
an o en di icul ad, como en con enido:
Po cen aje de abajo de Ma a:
● Diseño: 40%
● Bases de da os: 80%
● Funcionalidades: 50%
● Subsis emas 50 %
● Memo ia 40 %
111
ipo de ac i idad “ho eles”. Como se comen a en la sección de las
uen es de in o mación, hace uso de un analizado de exp esiones que
de uel e el ho el mejo alo ado a pa i de la longi ud y la la i ud. La
inclusión de es os sis emas de alo ación, pe mi e que las ac i idades
ecomendadas po el usua io sean de mejo calidad, ya que op imiza
los esul ados de búsqueda en base a un conjun o de pa áme os. Po
ejemplo, se pod ía selecciona un es au an e o un museo eligiendo el
más ba a o o ca o posible (pa áme os en iados), o que en unción del
ipo de g upo, el sis ema ecomiende uno que mejo se adap e a las
necesidades del usua io.
Pa a inaliza , aunque And oid es una ecnología ac ual, iene g an cuo a de
me cado y p opo ciona un en o no de desa ollo pa a ealiza aplicaciones, un
posible cambio se ía mig a Mad idManía a cualquie o a pla a o ma (iPhone,
Windows Phone…).

112
Apéndice A
Bases de da os
En es e apa ado se mues a la es uc u a de la base de da os MySQL de o ma
esquemá ica median e una se ie de igu as, en las que se pueden ap ecia las
p incipales ablas u ilizadas con la ep esen ación de a ibu os y elaciones en e
ellas.
A.1. Almacenamien o de las plan illas ealizadas po los usua ios
Po cada plan illa, se incluyen las ac i idades de las que es á compues a y la
echa de ealización de la misma. Es os da os se almacenan en las ablas de la Figu a
A.1, que ecogen in o mación sob e las plan illas de planes de ocio ealizados po
cada usua io.
Figu a A.1
A.2. Almacenamien o de da os pa a la ecomendación
A con inuación se mues an las ablas que almacenan los da os y son
necesa ias pa a ealiza las ecomendaciones, ya que con ienen in o mación ace ca
de las di e en es ac i idades de ocio (Figu a A.2 y Figu a A.3).
113
Figu a A.2
114
Figu a A.3
A.3. Almacenamien o del pe il del usua io y da os pa a los g upo
La Figu a A.4 ecoge las ablas que in e ienen en el almacenamien o de los da os
e e en es al pe il del usua io. Es deci , la colección de ablas que con iene los gus os
o p e e encias de cada usua io (Figu a A.4) Se incluye un ejemplo de las ablas
u ilizadas pa a la ges ión de p e e encias en el modelo de g upo amilia .
115
Figu a A.4
116

117
118
Apéndice B
API
En es a sección se mues a esquemá icamen e las llamadas más impo an es
que o ece la capa de se icios y el Se le asociado.
B.1. Ges ión de ecomendaciones y ac i idades
B.1.1 Recomendado es gene ales
Recupe a un lis ado del se ido con las ac i idades mejo alo adas y los
luga es más isi ados.
● Se le :
La e alSe le .ja a
● URL:
<se ido :pue o>/Tu ismoAPI/la e al.do
● Mé odo:
GET
● Pa áme os:
Sin"pa áme os
● Resul ado:
○ mensaje:Gmensaje" in o ma i o" o ecido" como" espues a."
Especialmen e"ú il"en"caso"de"e o .
○ s a us:Ges ado"de"la"solici ud."“OK”"si"la"pe ición"se"ha"
comple ado" co ec amen e" o" “ERROR”" si" ha" ocu ido" algún"
e o .G
● Ejemplo:
○ Conexión)a:
<se ido :pue o>/Tu ismoAPI/la e al.do
○ Resul ado"
{
119
‘’ alo ado’’ : ‘’ac i idad mas alo ada.’’,
‘’ isi ado’’ : [‘’luga 1’’, ‘’luga 2’’]
‘’ amanyo’’ : 2,
‘’s a us’’ : ‘’OK’’
}
B.1.2 Valo a una ac i idad
Pa a una ac i idad conc e a, ecibe una alo ación y ac ualiza la base de
da os del se ido .
● Se le :
Valo a Se le .ja a
● URL:
<se ido :pue o>/Tu ismoAPI/ alo a .do
● Mé odo:
GET
● Pa áme os:
○ ipoAc i idad:G ipo"de"ac i idad" alo ada"(cines,"cen os"
come ciales,"pa ques"de"ocio,"e c.).
○ ecomendación:Gnomb e"de"la"ac i idad"que"se"ha" alo ado.G
○ alo ación:" alo ación" ealizada"po "el"usua io"pa a"cada"
ac i idad."Los" alo es"es án"comp endidos"en e"0"y"5."
● Resul ado:
○ mensaje:Gmensaje" in o ma i o" o ecido" como" espues a."
Especialmen e"ú il"en"caso"de"e o .
○ s a us:Ges ado"de"la"solici ud."“OK”"si"la"pe ición"se"ha"
comple ado" co ec amen e" o" “ERROR”" si" ha" ocu ido" algún"
e o .G
● Ejemplo:
120
○ Conexión)a:
<se ido :pue o>/Tu ismoAPI/ alo a .do? ipo=CENTROS_COMERCIALES& eco
mendacion=Cen o Come cial P íncipe Pío & alo acion = 4
○ Resul ado:"
{
‘’mensaje’’ : ‘’Se ha gua dado la alo ación co ec amen e..’’,
‘’s a us’’ : ‘’OK’’
}
B.1.3 Solici a una ecomendación
Pa a una ac i idad conc e a, ecibe una alo ación y ac ualiza la base de
da os del se ido .
● Se le :
Recomendado Se le .ja a
● URL:
<se ido :pue o>/Tu ismoAPI/ ecomendado .do
● Mé odo:
POST
● Pa áme os:
○ ipo:GdebeG oma Gsiemp eGelG alo G“Plan illaConc e a”.
○ ho a io:Gho a io"en"el"que"se"espe a" ealiza "el"plan.
○ posición:"posición" inicial" del" plan." Se" indica án" la"
la i ud"y"longi ud"de"la"posición"sepa adas"po "coma."
○ ac i idades:"Tipos"de"ac i idades"que"el"usua io"quie e"en"
el" plan" (museo," pa ques" de" ocio," cen os" come ciales,"
e c)."Debe án"i "sepa ados"po "comas."
○ ipo5 de5 g upo:"Modelo" de" g upo" escogido" po " el" usua io"
pa a" una" ecomendación" en" g upo." Puede" oma " en e" [0,1]"