Plataforma de recomendación de contenidos para libros electrónicos inteligentes basadas en el comportamiento de los usuarios.

• López, Jose Fernando ^[1] ; Núnez Valdéz, E. R. ; Cueva, J. M. ; Sanjuán, O. ; Pelayo, B. C. ; Montenegro, C.
  1. [1] Universidad Distrital - Universidad de los Andes - Universidad Oberta de Cataluña - Escuela Colombiana de Carreras Industriales
• Localización: TECCIENCIA, ISSN-e 2422-3670, ISSN 1909-3667, Vol. 6, Nº. 11, 2011 (Ejemplar dedicado a: TECCIENCIA (Jul-Dec 2011)), págs. 30-44
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen

  • Un sistema de recomendación de contenidos basado en las relaciones colectivas de sus usuarios asociados en comunidades de lectores de una red social, permite construir un conocimiento colectivo que ayudan a recomendar de forma automática listas de contenidos a los usuarios de la plataforma social, de acuerdo a su comportamiento, preferencias y antecedentes de lectura. En este trabajo, proponemos un modelo para una plataforma de recomendación de contenidos basado en las acciones y comportamiento de los usuarios de libros electrónicos en una comunidad de lectores en la web que ayude a los usuarios a descubrir contenidos de su interés de forma automática y con un mínimo esfuerzo.

• Referencias bibliográficas
  • Adomavicius, G., R. Sankaranarayanan, et al. (2005). "Incorporating contextual information in recommender systems using a multidimensional...
  • G. and A. Tuzhilin (2005). "Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions."...
  • Balabanovic, M. a. S., Yoav (1997). “Fab: content-based, collaborative recommendation.” Commun. ACM 40(3): 66-72.
  • Claypool, M., D. Brown, et al. (2001). “Inferring User Interest.” IEEE Internet Computing 5(6): 32-39.
  • González Crespo, R., O. Sanjuan Martínez, et al (2011).
  • “Recommendation System based on user interaction data applied to intelligent electronic books.” Comput. Hum. Behav. 27(4): 1445-1449.
  • Jawaheer, G., M. Szomszor, et al. (2010). Comparison of implicit
  • and explicitfeedback from an online music recommendation service. Proceedings of the 1st International Workshop on Information Heterogeneity...
  • Kautz, H., B. Sel man, et al. (1997). "Referral Web: combining social networks and collaborative filtering." Commun. ACM 40(3): 63-65.
  • Kelly, D. and J. Teevan (2003). "Implicit feedback for inferring user preference: a bibliography.” SIGIR Forum 37(2): 18-28.
  • Linden, G., B. Smith, et al. (2003). “Amazon.com recommendations: item-to-item collaborative filtering." Internet Computing, IEEE 7(1):...
  • Noor, S. and K. Martinez (2009). Using social data as context for making recommendations: an ontology based approach. Proceedings of the 1st...
  • Heraklion, Greece, ACM: 1-8.
  • Núñez Valdéz., E. R., O. Sanjuan Martínez, et al. (2010). First Steps towards Implicit Feedback for Recommender Systems in Electronic Books....
  • O’Donovan, J. and B. Smyth (2005). Trust in recommender systems. Proceedings of the 10th international conference on Intelligent user interfaces....
  • Resnick, P., N. Iacovou, et al. (1994). GroupLens: an open architecture for collaborative filtering of netnews. Proceedings of the 1994 ACM...
  • Resnick, P. and H. R. Varian (1997). “Recommender systems.” Commun. ACM 40(3): 56-58.
  • Sanjuan Martínez, O., Pelayo G-Bustelo,C, González Crespo, R., Torres Franco, E. (2009). “Using Recommendation System for E-learning Environments...
  • Taghipour, N. and A. Kardan (2008). A hybrid web recommender system based on Q-learning. Proceedings of the 2008 ACM symposium on Applied...
  • Terveen, L, W. Hill, etal. (1997). "PHOAKS: a system for sharing recommendations.” Commun. ACM 40(3): 59-62.
  • Wang, P. (1998). "Why recommendation is special?" Workshop on Recommender Systems, part of the 15th National Conference on Artificial...
  • Ziegler, C.-N., S. M. McNee, et al. (2005). Improving recommendation lists through topic diversification.
  • Proceedings of the 14th international conference on World Wide Web. Chiba, Japan, ACM: 22-32.