Resumen

La influencia del usuario es un factor muy importante para la recomendación de usuarios de microblogs en redes sociales móviles. Sin embargo, la mayoría de los análisis de influencia de usuario existentes ignoran las características temporales de los usuarios y no logran filtrar a los usuarios de marketing con baja influencia, lo que limita el rendimiento de los métodos de recomendación. En este artículo, se propone un modelo de Agrupación de Usuarios basado en Factorización Tensorial (TFUC). Primero identificamos a los usuarios influyentes latentes mediante el agrupamiento de redes neuronales. Luego, construimos un tensor de características según la opinión de los usuarios influyentes latentes, la actividad y la información de centralidad de red. Además, las influencias de los usuarios se predicen mediante los factores latentes resultantes de la descomposición CP restringida temporalmente. Finalmente, recomendamos usuarios de microblogs considerando tanto la influencia del usuario como la similitud de contenido. Nuestros resultados experimentales muestran que el modelo propuesto mejora significativamente el rendimiento de recomendación. Mientras tanto, la precisión prom

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Influencia de usuarios; Recomendación de usuarios de microblogs; Factorización tensorial; Agrupación de usuarios; Agrupación de redes neuronales; Rendimiento de la recomendación.
• Keywords:User influence; Microblog user recommendation; Tensor Factorization; User cluster; Neural network clustering; Recommendation performance