Resumen

Los sistemas de recomendación personalizados se han utilizado ampliamente como una forma eficaz de hacer frente a la sobrecarga de información. El enfoque habitual en estos sistemas, el filtrado colaborativo (FC) basado en ítems, se ha identificado como vulnerable al ataque "Shilling". Para mejorar la robustez del FC basado en ítems, los autores proponen un novedoso enfoque de FC basado en las relaciones más utilizadas entre usuarios. En este artículo, se analizan tres de las relaciones más comunes entre usuarios y se aplican para construir varios modelos de usuario. A continuación, se utiliza la agrupación DBSCAN para seleccionar el modelo de usuario válido en función de las ventajas de los modelos para detectar usuarios de spam. El modelo seleccionado se utiliza para detectar grupos de usuarios de spam. Por último, se propone un método de CF basado en la detección para el cálculo de las similitudes artículo-artículo y la predicción de valoraciones, estableciendo distintos pesos para los usuarios sospechosos de spam y los usuarios normales. Los resultados experimentales demuestran que el método propuesto es más sólido que el típico método de CF basado en elementos kNN (k Nearest Neighbor).

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:artículo, enfoque cf novedoso, varios modelos de usuario, grupo de usuarios de spam, usuarios de spam sospechosos, modelo de usuario válido, relaciones, usuarios, enfoque cf, método cf
• Keywords:item, novel cf approach, several user models, spam user group, suspicious spam users, valid user model, relationships, users, cf approach, cf method