Resumen

La recomendación consciente del contexto (CR) es la tarea de recomendar elementos relevantes explorando la información de contexto en sistemas en línea para aliviar el problema de la escasez de datos de usuario-elemento. Los métodos previos principalmente estudiaron CR mediante enfoques de modelado basados en documentos, es decir, haciendo recomendaciones al utilizar adicionalmente datos textuales como reseñas, resúmenes o sinopsis. Sin embargo, debido a la limitación inherente del modelo de bolsa de palabras, no pueden utilizar de manera efectiva la información contextual de los documentos, lo que resulta en una comprensión superficial de los mismos. Trabajos recientes argumentaron que la comprensión del contexto del documento puede mejorarse mediante la red neuronal convolucional (CNN) y propusieron la factorización matricial convolucional (ConvMF) para aprovechar la información contextual de los documentos y mejorar la precisión de la predicción de calificaciones. Sin embargo, ConvMF solo modela el contexto del contenido del documento desde una vista de elemento y asume que los usuarios son independientes e idénticamente distribuidos (i.i.d). Pero

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Recomendación consciente del contexto; Red neuronal convolucional; Factorización de matriz convolucional; Influencia social; Relaciones entre elementos; Reseñas de usuarios
• Keywords:Context-aware recommendation; Convolutional neural network; Convolutional matrix factorization; Social influence; Item relationships; Users reviews