Resumen

Este documento considera enfoques actuales de recomendación personalizada basados en sistemas sociales computacionales y luego discute sus ventajas y entornos de aplicación. El algoritmo de recomendación más ampliamente utilizado, el consejo personalizado basado en filtrado colaborativo, es seleccionado como el enfoque principal de investigación. Se analizan algunas mejoras en su rendimiento de aplicación. Primero, para el cálculo de la similitud entre usuarios, la introducción de atributos del sistema social computacional puede ayudar a determinar de manera más precisa los vecinos de los usuarios. Segundo, se pueden adoptar estrategias del sistema social computacional para penalizar los elementos populares. Tercero, la comunidad de la red, la identidad y la confianza pueden combinarse ya que hay una relación cercana. Por lo tanto, este documento propone un nuevo método que utiliza un sistema social computacional, incluido un modelo de confianza basado en relaciones comunitarias, para mejorar la precisión del cálculo de similitud entre usuarios y mejorar la recomendación personalizada. Finalmente, el algoritmo mejorado en este documento se prueba en

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Enfoques de recomendación; Sistemas sociales computacionales; Filtrado colaborativo; Entornos de aplicación; Similitud de usuarios; Modelo de confianza
• Keywords:Recommendation approaches; Computational social systems; Collaborative filtering; Application environments; User similarity; Trust model