Resumen

El rápido desarrollo de la tecnología web ha planteado nuevos problemas y retos al sistema de recomendación: por un lado, el algoritmo tradicional de recomendación por filtrado colaborativo ha tenido dificultades para satisfacer las necesidades de recomendación personalizada de los usuarios; por otro, los datos masivos aportados por la tecnología web proporcionan más información útil para los algoritmos de recomendación. Cómo extraer características de esta información, mitigar la escasez y la puntualidad dinámica y mejorar eficazmente la calidad de la recomendación es un tema candente en la investigación de algoritmos de sistemas de recomendación. En vista de la falta de un mecanismo eficaz de fusión de información multifuente en la investigación existente, se propone un marketing de precisión multimedia 5G mejorado basado en un algoritmo de recomendación de filtrado colaborativo de nodos multisensor mejorado. Mediante la ampliación del campo de vectores de entrada, se extraen y fusionan las características de las relaciones sociales de los usuarios y la información de los comentarios, y se resuelve el problema del modelado colaborativo de estos dos tipos de información auxiliar importante. Se mejora la función objetivo, se analiza el término de regularización social y el término de regularización interna en el dominio vectorial y se añaden desde la perspectiva de la importancia práctica y la estructura vectorial, lo que alivia el problema del sobreajuste. Los experimentos realizados con un gran número de conjuntos de datos reales demuestran que el método propuesto tiene una mayor calidad de recomendación que el algoritmo de referencia clásico y convencional.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:algoritmo de recomendación, tecnología web, marketing de precisión g multimedia, mecanismo eficaz de fusión de información multifuente, mayor calidad de recomendación, información auxiliar importante, campo vectorial de entrada, término de regularización interna, algoritmo de referencia de la corriente principal, necesidades de recomendación personalizada
• Keywords:recommendation algorithm, web technology, g multimedia precision marketing, effective multisource information fusion mechanism, higher recommendation quality, important auxiliary information, input vector field, internal regularization term, mainstream baseline algorithm, personalized recommendation needs