Resumen

El sistema de recomendación ha recibido una tremenda atención y ha sido estudiado por académicos en los últimos años debido a sus amplias aplicaciones en diferentes campos. Con el estudio en profundidad y la aplicación de algoritmos de aprendizaje profundo, la red neuronal profunda se está utilizando gradualmente en los sistemas de recomendación. El éxito del moderno sistema de recomendación depende principalmente de la comprensión y aplicación del contexto de las solicitudes de recomendación. Sin embargo, al aprovechar los algoritmos de aprendizaje profundo para la recomendación, a menudo se descuida el impacto de la información de contexto como el tiempo y la ubicación de la recomendación. En este artículo se propone un sistema de recomendación personalizado basado en una red neuronal convolucional (CNN) consciente del tiempo. Recomienda activamente elementos que satisfacen los intereses de los usuarios mediante el análisis de las características de los usuarios, las características de los elementos, las calificaciones de los usuarios y el contexto temporal de los usuarios. Además, utilizamos el marco de código abierto distribuido Tensorflow para implementar el algoritmo de recomendación propuesto basado

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Sistema de recomendación; Algoritmos de aprendizaje profundo; Información de contexto; Red neuronal convolucional; Sistema de recomendación personalizado; Marco de trabajo Tensorflow
• Keywords:Recommender system; Deep learning algorithms; Context information; Convolutional neural network; Personalized recommender system; Tensorflow framework