Resumen

Las redes sociales basadas en la ubicación, como Yelp y Tripadvisor, que permiten a los usuarios compartir experiencias sobre lugares visitados con sus amigos, han ganado una creciente popularidad en los últimos años. Sin embargo, a medida que más lugares están disponibles, surge la necesidad de sistemas precisos capaces de presentar sugerencias personalizadas. Al proporcionar este servicio, los sistemas recomendadores de puntos de interés han atraído mucho interés de diferentes sociedades, lo que ha llevado a mejorar métodos y técnicas. El aprendizaje profundo brinda una emocionante oportunidad para mejorar aún más estos sistemas, al utilizar datos adicionales para comprender mejor las preferencias de los usuarios. En este trabajo proponemos (TCENR), un marco profundo que emplea datos contextuales, como las redes sociales de los usuarios y los datos geoespaciales de ubicaciones, junto con reseñas textuales. Para aprovechar al máximo estos datos de entrada, utilizamos varios tipos de redes neuronales profundas que son los más adecuados para cada tipo de datos. TCENR adopta los populares perceptrones multicapa para analizar las actividades

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Redes sociales; Ubicaciones; Aprendizaje profundo; Sistemas de recomendación; Redes neuronales; Yelp.
• Keywords:Social networks; Locations; Deep learning; Recommender systems; Neural networks; Yelp.