Resumen

Los sistemas de recomendación representan un campo crítico de aplicaciones tecnológicas de IA. La función principal de un sistema de recomendación es recomendar elementos de interés a los usuarios, pero si se basa únicamente en el historial del usuario (datos de compra o navegación), solo puede recomendar productos similares a un usuario, lo que hace que el usuario se sienta fatigado (creando los llamados "Capullos de información"). Además, los datos de transacciones (compra o navegación) en varios campos suelen seguir distribuciones de Pareto. En consecuencia, el 20% de los productos se compran o ven un mayor número de veces (elementos de "cabeza corta"), mientras que el 80% restante se compran o ven con menos frecuencia (elementos de "cola larga"). Utilizando el método de recomendación tradicional, considerando solo la precisión de las recomendaciones, la tasa de cobertura es relativamente baja, y la mayoría de los elementos recomendados son elementos de "cabeza corta". El método de recomendación de elementos de "cola larga" no solo considera la recomendación de elementos

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Sistemas de recomendación; Basados en historial de usuario; Capullos de información; Distribuciones de Pareto; Elementos de larga cola; Métodos basados en aprendizaje profundo
• Keywords:Recommender systems; User history-based; Information cocoons; Pareto distributions; Long-tail items; Deep learning-based methods