Resumen

Con el rápido desarrollo de la gestión de relaciones con los clientes, cada vez se utilizan más tecnologías de recomendación de usuarios para mejorar la satisfacción del cliente. Aunque existen muchos buenos algoritmos de recomendación, sigue siendo un desafío aumentar la precisión y diversidad de estos algoritmos para satisfacer las preferencias de los usuarios. En este documento, construimos un modelo de recomendación de usuarios que contiene un nuevo método para calcular las similitudes entre usuarios en redes bipartitas. A diferencia de otras similitudes estándar, consideramos la influencia de cada nodo objeto, incluido el grado de popularidad, el grado de preferencia y la relación de confianza. Sustituyendo estas nuevas definiciones de similitud por la similitud coseno estándar, proponemos un algoritmo de filtrado colaborativo modificado basado en multifactor (CF-M). Un análisis experimental detallado en dos conjuntos de datos de referencia muestra que el CF-M tiene una alta precisión y también genera más diversidad.

• Materias:Redes complejas Redes ecológicas Ecuaciones en diferencias Sistema de ecuaciones diferenciales Valor límite fraccional
• Subjects:Complex networks Ecological networks Difference equations System of differential equations Fractional limit value
• Palabras claves:Desarrollo; Gestión de relaciones con el cliente; Tecnologías de recomendación; Satisfacción del usuario; Algoritmos de recomendación; Filtrado colaborativo
• Keywords:Development; Customer relationship management; Recommendation technologies; User satisfaction; Recommendation algorithms; Collaborative filtering