Resumen

Con la llegada de la era del Internet de Todo (IoE), un número excesivo de servicios de IoE están surgiendo en la web, lo que pone una carga pesada en la decisión de selección de servicios de los usuarios objetivo. En esta situación, se introducen varias técnicas de recomendación para aliviar la carga, por ejemplo, la recomendación basada en Filtrado Colaborativo (CF). Generalmente, los enfoques de recomendación basados en CF utilizan amigos similares o servicios similares para lograr el objetivo de recomendación. Sin embargo, debido a la escasez de retroalimentación de los usuarios, es posible que un usuario objetivo no tenga amigos ni servicios similares; en esta situación, los enfoques tradicionales basados en CF no logran producir un resultado de recomendación satisfactorio. Además, la precisión de la recomendación disminuiría si se pasa por alto el factor tiempo, ya que la calidad del servicio de IoE a menudo varía con el tiempo. Ante estos desafíos, en este artículo se propone un enfoque de recomendación de servicios consciente del tiempo llamado [nombre del enfoque]. Concretamente, primero calculamos la similitud de usuarios consciente del tiempo; luego, se infieren amigos indirectos del usuario objetivo mediante la Teoría del Equilibrio Social (por ejemplo, la regla de que el enemigo de mi enemigo es mi amigo); finalmente, se recomiendan al usuario objetivo los servicios preferidos por los amigos indirectos. Por último, a través de un conjunto de experimentos desplegados en el conjunto de datos WS-DREAM, validamos la viabilidad de nuestra propuesta.

• Materias:Algoritmo dinámico Redes Inalámbricas Redes de Comunicación Sistema de colas Teoría de juegos
• Subjects:Dynamic Algorithm Wireless Networks Communication networks Queuing systems Game theory
• Palabras claves:Internet de las cosas; Técnicas de recomendación; Filtrado colaborativo; Opiniones de los usuarios; Recomendación de servicios en función del tiempo; Teoría del equilibrio social
• Keywords:Internet of everything; Recommendation techniques; Collaborative filtering; User feedback; Time-aware service recommendation; Social balance theory