Resumen

El número de elementos a los que los usuarios pueden acceder al navegar en la Web es tan enorme que estos podrían sentirse perdidos. Los sistemas de recomendación son una forma de lidiar con esta profusión de datos al sugerir elementos que se ajusten a las necesidades de los usuarios. Una de las técnicas más populares para los sistemas de recomendación es el enfoque de filtrado colaborativo que se basa en las preferencias de los elementos expresadas por los usuarios, generalmente en forma de calificaciones. En ausencia de calificaciones, las técnicas clásicas de filtrado colaborativo no pueden aplicarse. Afortunadamente, el comportamiento de los usuarios, como sus consultas, puede ser recopilado. En este artículo, presentamos un nuevo enfoque para realizar el filtrado colaborativo cuando no hay una calificación disponible, pero cuando se conocen las consultas de los usuarios. Proponemos inspirarnos en algoritmos de detección de comunidades locales para formar comunidades de usuarios y deducir el conjunto de mentores de un usuario dado. Adaptamos un algoritmo de vanguardia para que se ajuste a las características

• Materias:Música móvil Código abierto Tolerancia semántica Vigilancia por computadora Algoritmos de detección
• Subjects:Mobile music Open source Semantic tolerance Computer surveillance Detection algorithms
• Palabras claves:Artículos; Sistemas de recomendación; Filtrado colaborativo; Usuarios; Consultas; Mentores
• Keywords:Items; Recommender systems; Collaborative filtering; Users; Consultations; Mentors