Optimización del filtrado colaborativo basado en el usuario - Kasi Viswanathan, Uma
27,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
payback
14 °P sammeln
  • Broschiertes Buch

Con el avance de las tecnologías en la era moderna, la cantidad de datos que surgen de diversas fuentes como los sitios web en línea, el Internet de las cosas, el comercio electrónico, etc., sigue aumentando a un ritmo mayor. Los datos disponibles son demasiado para que un usuario común pueda manejarlos. Por ello, el sistema de recomendación se esfuerza por proporcionar la información correcta al usuario adecuado en la puerta de su casa y lo hace fácil para los usuarios. La medida de similitud se considera un paso importante para determinar la precisión del sistema de recomendación. El…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Con el avance de las tecnologías en la era moderna, la cantidad de datos que surgen de diversas fuentes como los sitios web en línea, el Internet de las cosas, el comercio electrónico, etc., sigue aumentando a un ritmo mayor. Los datos disponibles son demasiado para que un usuario común pueda manejarlos. Por ello, el sistema de recomendación se esfuerza por proporcionar la información correcta al usuario adecuado en la puerta de su casa y lo hace fácil para los usuarios. La medida de similitud se considera un paso importante para determinar la precisión del sistema de recomendación. El filtrado colaborativo clásico se implementa utilizando el coeficiente de correlación de Pearson o la similitud del coseno, que tiene sus propios méritos y deficiencias. Proponemos una medida de similitud mejorada aplicando la metodología basada en conjuntos a las medidas de similitud básicas y analizamos el impacto de esas diversas medidas de similitud mejoradas, como el coseno basado en conjuntos, el coeficiente de correlación de Pearson basado en conjuntos, el Spearman basado en conjuntos y el Kendall basado en conjuntos en los sistemas de recomendación de filtrado colaborativo basados en el usuario. Se observó que las medidas de similitud mejoradas obtenidas a partir de metodologías basadas en conjuntos eran más significativas que las medidas básicas utilizando la prueba de Wilcoxon.
Autorenporträt
A Sra. K. V. Uma trabalha como professora assistente no Departamento de Tecnologia da Informação, Thiagarajar College of Engineering, Madurai, Tamil Nadu, Índia. Ela está a fazer investigação na área de Data Mining. Publicou mais de 20 artigos em revistas e conferências na área de Data Mining, especificamente na área de Classificação.