Estrategias para la selección y ponderación de vecinos para recomendación en redes sociales basada en la ubicación
Los Sistemas de Recomendación (SRs) basados en la ubicación están ganando importancia con la proliferación de las aplicaciones que ofrecen servicios a los usuarios basándose en la ubicación geográfica de éstos (proporcionada por los dispositivos móviles), así como el contenido generado por el usuari...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Artículo revista |
| Lenguaje: | Español |
| Publicado: |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
2017
|
| Materias: | |
| Acceso en línea: | http://ridaa.unicen.edu.ar/xmlui/handle/123456789/1817 |
| Aporte de: |
| id |
I21-R190-123456789-1817 |
|---|---|
| record_format |
ojs |
| institution |
Universidad Nacional del Centro |
| institution_str |
I-21 |
| repository_str |
R-190 |
| container_title_str |
Repositorio Institucional de Acceso Abierto (RIDAA) |
| language |
Español |
| format |
Artículo revista |
| topic |
Redes sociales online Dispositivos móviles LBSNs GPS Web 2.0 Teléfonos inteligentes SRs Servicios Web Usuarios Ciencias de la computación Redes sociales geo-localizadas LBSN Computación orientada a servicios |
| spellingShingle |
Redes sociales online Dispositivos móviles LBSNs GPS Web 2.0 Teléfonos inteligentes SRs Servicios Web Usuarios Ciencias de la computación Redes sociales geo-localizadas LBSN Computación orientada a servicios Ríos, Carlos Estrategias para la selección y ponderación de vecinos para recomendación en redes sociales basada en la ubicación |
| topic_facet |
Redes sociales online Dispositivos móviles LBSNs GPS Web 2.0 Teléfonos inteligentes SRs Servicios Web Usuarios Ciencias de la computación Redes sociales geo-localizadas LBSN Computación orientada a servicios |
| author |
Ríos, Carlos |
| author_facet |
Ríos, Carlos |
| author_sort |
Ríos, Carlos |
| title |
Estrategias para la selección y ponderación de vecinos para recomendación en redes sociales basada en la ubicación |
| title_short |
Estrategias para la selección y ponderación de vecinos para recomendación en redes sociales basada en la ubicación |
| title_full |
Estrategias para la selección y ponderación de vecinos para recomendación en redes sociales basada en la ubicación |
| title_fullStr |
Estrategias para la selección y ponderación de vecinos para recomendación en redes sociales basada en la ubicación |
| title_full_unstemmed |
Estrategias para la selección y ponderación de vecinos para recomendación en redes sociales basada en la ubicación |
| title_sort |
estrategias para la selección y ponderación de vecinos para recomendación en redes sociales basada en la ubicación |
| description |
Los Sistemas de Recomendación (SRs) basados en la ubicación están ganando importancia con la proliferación de las aplicaciones que ofrecen servicios a los usuarios basándose en la ubicación geográfica de éstos (proporcionada por los dispositivos móviles), así como el contenido generado por el usuario en las redes sociales online. Entre los servicios basados en la ubicación se destacan la redes sociales geo-localizadas (LBSNs, del inglés location-based social networks).
Estas redes aprovechan tecnologías como GPS, Web 2.0 y teléfonos inteligentes para permitir a los usuarios compartir sus ubicaciones (check-ins), buscar puntos de interés (POIs), buscar descuentos, comentar sobre lugares específicos, conectarse con amigos y encontrar a los que están cerca de una ubicación específica.
Los sistemas de recomendación basados en la ubicación juegan un papel importante en este tipo de redes sociales, ya que por ejemplo en la recomendación de puntos de interés pueden ayudar a los usuarios a explorar lugares atractivos y ayudar a los proveedores de servicios de redes sociales a diseñar anuncios sensibles a la ubicación del POI. En la construcción de sistemas de recomendación se utilizan técnicas clásicas tales como el filtrado colaborativo (FC). Los enfoques colaborativos para la generación de recomendaciones se basan en las opiniones de las personas con ideas afines, los llamados vecinos, para realizar la predicción. En primer lugar los vecinos son seleccionados y luego sus opiniones se ponderan según su contribución esperada.
Por lo tanto, una selección y una ponderación adecuada de dichos vecinos se vuelven esenciales para lograr buenos resultados de predicción.
El objetivo de esta tesis fue proponer y analizar una serie de diferentes estrategias para seleccionar y ponderar los vecinos en el contexto de un sistema de recomendación basado en filtrado colaborativo para las recomendaciones de puntos de interés (POIs). Mientras que los métodos estándar se basan en la similitud de las preferencias de los usuarios para seleccionar y ponderar vecinos, en este trabajo se propusieron y analizaron diversas estrategias que exploran las dimensiones adicionales existentes en las LBSNs, como las relaciones sociales, la información sobre visitas y la información geográfica.
El impacto de las diferentes estrategias propuestas ha sido evaluado y comparado con el
enfoque tradicional de filtrado colaborativo usando dos conjuntos de datos de dos redes sociales geo-localizadas reales (Foursquare y Yelp). En términos generales, las estrategias propuestas para seleccionar y ponderar vecinos basadas en los diferentes elementos disponibles en una LBSN logran mejores resultados que el enfoque tradicional de filtrado colaborativo. Nuestros hallazgos pueden ser útiles tanto para investigadores en el área de sistemas de recomendación como para desarrolladores de sistemas de recomendación en el contexto de LBSN, ya que pueden tomar en cuenta los resultados obtenidos para diseñar y proporcionar servicios más efectivos considerando la gran cantidad de información producida en una LBSN. |
| publisher |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas |
| publishDate |
2017 |
| url |
http://ridaa.unicen.edu.ar/xmlui/handle/123456789/1817 |
| work_keys_str_mv |
AT rioscarlos estrategiasparalaseleccionyponderaciondevecinospararecomendacionenredessocialesbasadaenlaubicacion |
| first_indexed |
2022-07-04T14:30:48Z |
| last_indexed |
2022-07-04T14:30:48Z |
| bdutipo_str |
Revistas |
| _version_ |
1764819786295934976 |