Resumen

El sistema de recomendación es una forma muy eficiente de lidiar con el problema de la sobrecarga de información para los usuarios en línea. En los últimos años, los algoritmos de recomendación basados en redes han demostrado un rendimiento mucho mejor que los métodos estándar de filtrado colaborativo. Sin embargo, la mayoría de los algoritmos basados en redes no otorgan un peso lo suficientemente alto a la influencia de los vecinos más cercanos de los usuarios objetivo en el proceso de difusión de recursos, mientras que un usuario u objeto con alto grado obtendrá una influencia mayor en el algoritmo de difusión de masa estándar. En este documento, proponemos un nuevo algoritmo de recomendación de difusión preferencial que considera la importancia de los vecinos más cercanos de los usuarios objetivo y lo evaluamos en tres conjuntos de datos del mundo real: MovieLens 100k, MovieLens 1M y Epinions. Los resultados de los experimentos demuestran que el nuevo algoritmo de recomendación de difusión preferencial basado en los vecinos más cercanos de los usuarios puede mejorar signific

• Materias:Técnicas emergentes Animación de personajes Red de eventos Distorsión de velocidad
• Subjects:Emerging Techniques Character Animation Event network Speed distortion
• Palabras claves:Sistema de recomendación; Sobrecarga de información; Algoritmos de recomendación basados en redes; Métodos de filtrado colaborativo; Algoritmo de recomendación de difusión preferencial; Precisión de la recomendación
• Keywords:Recommender system; Information overload; Network based recommendation algorithms; Collaborative filtering methods; Preferential diffusion recommendation algorithm; Recommendation accuracy