Resumen

En la actualidad, los sistemas de recomendación se utilizan ampliamente en diversos campos para resolver el problema de la sobrecarga de información. El filtrado colaborativo y los modelos basados en contenido son soluciones representativas en los sistemas de recomendación; sin embargo, el modelo basado en contenido tiene algunas deficiencias, como un solo tipo de resultados de recomendación y la falta de una percepción efectiva de las preferencias del usuario, mientras que para el modelo de filtrado colaborativo, existe un problema de inicio en frío, y dicho modelo se ve fuertemente afectado por su algoritmo de agrupación adoptado. Para abordar estos problemas, en este artículo se propone un esquema de recomendación híbrido, que se basa tanto en el filtrado colaborativo como en el basado en contenido. En este esquema, proponemos el concepto de factor de impacto temporal, y se construye un modelo de preferencias de usuario consciente del tiempo basado en él. Además, se utiliza la retroalimentación del usuario sobre los elementos recomendados para mejorar la precisión de nuestro modelo de recomendación propuesto. Finalmente, el modelo híbrido propuesto combina los resultados de la recomendación de contenido y el filtrado colaborativo basado en el algoritmo de regresión logística.

• Materias:Red 5G Internet de las cosas Seguridad de la información Tecnologías de comunicación
• Subjects:5G Network Internet of things Information security Communication technologies
• Palabras claves:Sistemas de recomendación; Filtrado colaborativo; Modelos basados en contenidos; Esquema híbrido de recomendación; Factor de impacto temporal; Algoritmo de regresión logística
• Keywords:Recommender systems; Collaborative filtering; Content-based models; Hybrid recommendation scheme; Time impact factor; Logistic regression algorithm