Resumen

Prefiere la precisión sobre el tiempo de computación o viceversa es muy desafiante en el contexto de los sistemas de recomendación, lo que lleva a muchos investigadores a optar por sistemas de recomendación híbridos. Actualmente, los investigadores están haciendo un gran esfuerzo para producir recomendaciones correctas y precisas sugiriendo el uso de ontologías, pero la falta de técnicas impide aprovecharlo al máximo. Uno de los principales problemas en los sistemas de recomendación que preocupa a muchos investigadores es el problema de inicio en frío de nuevos usuarios puros, que surge debido a la falta de información en el sistema sobre el nuevo usuario. La iniciativa de Datos Abiertos Vinculados (LOD) establece estándares de interoperabilidad entre diferentes dominios y ha recopilado una enorme cantidad de datos en los últimos años, lo que proporciona diversas formas en las que el rendimiento de los sistemas de recomendación puede mejorarse enriqueciendo el perfil de los usuarios con características relevantes. Este trabajo de investigación se centra en resolver el problema de inicio en frío de nuevos usuarios puros construyendo perfiles de usuarios basados en LOD, características colaborativas y características basadas en redes sociales. Aquí, se ha ideado un nuevo enfoque para calcular la similitud de elementos basado en ontologías, prediciendo así la calificación de un elemento no calificado. También se propone un método modificado para calcular la similitud de usuarios basado en características colaborativas para abordar otros problemas como la precisión y el tiempo de computación. Los resultados empíricos y el análisis comparativo del sistema de recomendación híbrido propuesto dictan su mejor rendimiento específicamente para proporcionar una solución al problema de inicio en frío de nuevos usuarios puros.

• 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:Exactitud; Tiempo de cálculo; Sistemas de recomendación; Sistemas híbridos de recomendación; Ontología; Problema del nuevo usuario en frío
• Keywords:Accuracy; Computation time; Recommendation systems; Hybrid recommendation systems; Ontology; New user cold-start problem