Resumen

El cálculo de similitud es el algoritmo básico más importante en la recomendación por filtrado colaborativo. Juega un papel importante en el cálculo de la similitud entre usuarios (ítems), en la búsqueda de vecinos más cercanos y en la predicción de puntuaciones. Sin embargo, el cálculo de similitud existente se ve afectado por una excesiva dependencia de las puntuaciones de los ítems y la dispersión de datos, lo que resulta en una baja precisión de los resultados de recomendación. Este artículo propone un algoritmo de recomendación personalizado basado en la entropía de la información y la optimización por enjambre de partículas, que tiene en cuenta la similitud de las puntuaciones de los usuarios y las características de preferencia. Utiliza la optimización por enjambre de partículas aleatorias para optimizar sus pesos y obtener el valor de similitud integral. Los resultados experimentales en conjuntos de datos públicos muestran que el método propuesto puede mejorar efectivamente la precisión de los resultados de recomendación manteniendo la cobertura de recomendación.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Cálculo de similitud; Recomendación por filtrado colaborativo; Algoritmo; Entropía de la información; Optimización por enjambre de partículas; Precisión de la recomendación
• Keywords:Similarity calculation; Collaborative filtering recommendation; Algorithm; Information entropy; Particle swarm optimization; Recommendation accuracy