|
Descripción
|
|
|---|---|
| Se han desarrollado varios enfoques de filtración colaborativa (CF) para mejorar la calidad de las recomendaciones. Sin embargo, esta mejora siempre se ha medido como el promedio de la calidad de las recomendaciones realizadas a todos los usuarios. No se ha analizado para cada usuario individual. En este artículo, se demuestra la existencia de un enfoque CF más preciso para cada usuario. Por lo tanto, se propone un nuevo método híbrido que combina las recomendaciones proporcionadas por diferentes enfoques de CF basados en un algoritmo de clasificación de varias clases. Esta clasificación se realiza según el comportamiento de calificación del usuario. Se han llevado a cabo experimentos en los conjuntos de datos MovieLens y Netflix. Los resultados experimentales demuestran una mejora en la calidad de las predicciones y recomendaciones utilizando el enfoque híbrido de CF propuesto. Además, los experimentos han comparado los métodos del estado del arte con los resultados obtenidos con el enfoque propuesto. | |
|
Internacional
|
Si |
|
JCR del ISI
|
Si |
|
Título de la revista
|
Ieee Access |
|
ISSN
|
2169-3536 |
|
Factor de impacto JCR
|
3,557 |
|
Información de impacto
|
Datos JCR del año 2017 |
|
Volumen
|
|
|
DOI
|
10.1109/ACCESS.2018.2881074 |
|
Número de revista
|
|
|
Desde la página
|
69582 |
|
Hasta la página
|
69591 |
|
Mes
|
SIN MES |
|
Ranking
|
|