Resumen

En los últimos años, la abundancia de información se ha convertido en un grave problema para los usuarios de Internet. Los sistemas de recomendación (RS) se han utilizado a menudo para paliar este problema. Los RS podan grandes espacios de información para recomendar a los usuarios los elementos más relevantes teniendo en cuenta sus preferencias. Sin embargo, en situaciones en las que los usuarios o los artículos tienen pocas opiniones, las recomendaciones no pueden hacerse correctamente. Esta notable deficiencia de las RS prácticas se denomina problema de arranque en frío. En el presente estudio, proponemos un enfoque novedoso para abordar este problema mediante la incorporación de características de las redes sociales. El algoritmo propuesto, denominado algoritmo mejorado basado en contenidos que utiliza redes sociales (ECSN), tiene en cuenta las valoraciones enviadas por compañeros de facultad y amigos, además de las preferencias propias del usuario. La eficacia del algoritmo ECSN se evaluó implementándolo en MyExpert, una red social académica (ASN) de nuevo diseño para académicos de Malasia. Durante 12 semanas consecutivas se registraron los comentarios reales de las interacciones en directo de los usuarios de MyExpert con los elementos recomendados, y cada tres semanas se aplicaron cuatro algoritmos diferentes: aleatorio, colaborativo, basado en el contenido y ECSN. Los resultados empíricos muestran un rendimiento significativo de ECSN en la mitigación del problema de arranque en frío, además de mejorar la precisión de predicción de las recomendaciones en comparación con otros algoritmos de recomendación estudiados.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:ecsn, problema inicial, red social académica, grandes espacios de información, características de las redes sociales, rss, algoritmo, contenido, artículos, recomendaciones
• Keywords:ecsn, start problem, academic social network, large information spaces, social networking features, rss, algorithm, content, items, recommendations