Mostra el registre parcial de l'element
dc.contributor.author | Pazahr, Ali | |
dc.contributor.author | Samper Zapater, José Javier | |
dc.contributor.author | García Sánchez, Francisco | |
dc.date.accessioned | 2021-03-23T17:25:39Z | |
dc.date.available | 2021-03-23T17:25:39Z | |
dc.date.issued | 2020 | |
dc.identifier.citation | Pazahr, Ali Samper Zapater, José Javier García Sánchez, Francisco 2020 An efficient hybrid recommender system framework using semantic technology for social networks Revista Ingenieria UC 27 1 6 19 | |
dc.identifier.uri | https://hdl.handle.net/10550/78337 | |
dc.description.abstract | The first group of companies that have a business on online social networks try to design an efficient plan for making more money on this platform. Advertising can be a solution for introducing and promoting the services or products for the clients and it can be led to more sells. There are a second group of companies intended to use advertisements on social networks, many of these annoy the users since they are not fascinating or matched for the clients. The primary target of the current study is to design and present a model of advertising recommender systems on social networks using innovative techniques. Although there are numerous applications and research works about recommender frameworks, in the proposed model, it is valuable to plan a recommender system which focus more precisely on the user's interests. The framework uses a semantic logic to increase the accuracy of the recommendations along with using a combination of four recommender methods, the particular estimations for each method and the integration of recommendations generated by each method using a rank-based approach which totally can differentiate the proposed recommender framework from the previous similar methods. The accuracy of suggested framework is 0,7498 that was revealed by implementing a web application. The comparison of some similar models with the current work based on various features and aspects shows a significant excellence of this study. --- El primer grupo de empresas que tienen un negocio en línea en redes sociales intenta diseñar un plan eficiente para incrementar sus ganancias en esta plataforma. La publicidad puede ser una solución para introducir y promocionar servicios o productos para los clientes, lo cual puede conducir a más ventas. Existe un segundo grupo de empresas destinadas a utilizar anuncios en las redes sociales, muchos de los cuales molestan a los usuarios ya que no son fascinantes o coinciden con los clientes. El objetivo principal del actual estudio es diseñar y presentar un modelo de sistemas de recomendación publicitaria en las redes sociales utilizando técnicas innovadoras. Aunque existen numerosas aplicaciones y trabajos de investigación sobre frameworks de recomendación, en el modelo propuesto, es valioso planificar un sistema de recomendación que se centre en los intereses del usuario. El framework utiliza una lógica semántica para aumentar la precisión de las recomendaciones junto con el uso de una combinación de cuatro métodos, las estimaciones particulares para cada método y la integración de las recomendaciones generadas mediante un enfoque basado en posiciones que puede diferenciar totalmente el framework de recomendación propuesto con respecto a métodos similares anteriores. La precisión del framework sugerido tiene un valor de 0,7498 que se obtuvo mediante la implementación de una aplicación web. La comparación de algunos modelos similares con el trabajo actual basado en diversas características y aspectos, muestra una excelencia significativa en este estudio. | |
dc.language.iso | eng | |
dc.relation.ispartof | Revista Ingenieria UC, 2020, vol. 27, num. 1, p. 6-19 | |
dc.subject | Xarxes socials | |
dc.subject | Web semàntica | |
dc.subject | Tecnologia de la informació | |
dc.title | An efficient hybrid recommender system framework using semantic technology for social networks | |
dc.type | journal article | es_ES |
dc.date.updated | 2021-03-23T17:25:40Z | |
dc.identifier.idgrec | 139314 | |
dc.rights.accessRights | open access | es_ES |