Un modelo híbrido de recomendación de etiquetas para sistemas de anotación social

Autores/as

DOI:

https://doi.org/10.29019/enfoqueute.v11n4.640

Palabras clave:

Folcsonomía, Sistemas de etiquetado social, Historial de etiquetado del usuario

Resumen

El etiquetado social consiste en clasificar recursos web, con el uso de palabras o etiquetas libremente elegidas por los usuarios. La simplicidad y apertura de los sistemas de etiquetado social para organizar recursos, es la clave de su éxito en Internet. Existen numerosos enfoques para facilitar al usuario el proceso de etiquetado, permitiéndole reutilizar etiquetas y optimizando así su limitado tiempo de lectura y escritura. Este documento propone un enfoque híbrido diferente, que resuelve de forma sencilla el problema de las recomendaciones basadas únicamente en el contenido del recurso, fusionando la lista de recomendaciones con las etiquetas más populares del historial de etiquetas del usuario, permitiéndole así reutilizar los términos asignados a otros recursos.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Albarran, G. & Eduard, G. (2009). Data Mining and SQL. Lima, Perú: Megabyte

Baeza-Yates, R. & Ribeiro-Neto, B. (1999). Modern Information Retrieval. Boston, Massachusetts, USA: Addison-Wesley

Belem, F. M.; Almeida, J. M. & Goncalves, M. A. (2017). A Survey on Tag Recommendation Methods. J. Assoc. Inf. Sci. Technol 68(4), 830-844. doi: 10.1002/asi.23736.

Godoy, D. & Amandi, A. Hybrid (2008). Content and Tag-based Profiles for Recommendation in Collaborative Tagging Systems (pp. 58-65). Proceedings of the 2008 Latin American Web Conference. Espírito Santo, Brasil.

Godoy, D. & Corbellini, A. (2016). A State-of-the-art Review. International Journal of Intelligent Systems 31(4), 314–346. doi: 10.1002/int.21753

Gou, Z.; Han, L.; Zhu, J.; Yang, Y. & Duan, B. (2018). Personalized Search by a Multi-Type and Multi-Level User Profile in Folksonomy. Arab. J. Sci. Eng 43(12), 7563–7572. doi: 10.1007/s13369-018-3133-2

Hong, L.; Chi, E. H.; Budiu, R.; Pirolli, P. & Nelson, L. (2008). SparTag.us: A Low Cost Tagging System for Foraging of Web Content. Proceedings of the Working Conference on Advanced Visual Interfaces, 65-72. Napoli, Italy.

Hotho, A.; Jäschke, R.; Schmitz, C. & Stumme, G. (2006). Information Retrieval in Folksonomies: Search and Ranking. European Semantic Web Conference, 411-426. Budva, Montenegro: Springer.

Ju, S., & Hwang, K.-B. (2009). A weighting scheme for tag recommendation in social bookmarking systems. Proceedings of the 2009th International Conference on ECML PKDD Discovery Challenge - Volume 497, 109–118. https://dl.acm.org/doi/abs/10.5555/3056147.3056156

Levandoski, J. J.; Ekstrand, M. D.; Ludwig, M. J. et al. (2011). Benchmarks for Evaluating Performance of Recommender System Architectures. PVLDB 4, 911-920. doi: 10.14778/3402707.3402729.

Lipczak, M. (2008). Tag Recommendation for Folksonomies Oriented towards Individual Users. Proceedings of ECML PKDD, 84-95. Amberes, Bélgica.

Liu, H. (2018). A Tag-Based Recommender System Framework for Social Bookmarking Websites. Inderscience Publishers 14(3): 303-322. doi: 10.1504/IJWBC.2018.094916

Lo, R. T.; He, B. & Ounis, I. (2005). Automatically Building a Stopword List for an Information Retrieval System. 5th Dutch-Belgium Information Retrieval Workshop (DIR) ’05, 1-8. Países Bajos. https://bit.ly/2Fbz8v5

Mishne, G. (2006). AutoTag: A Collaborative Approach to Automated Tag Assignment for Weblog Posts. Proceedings of the 15th International Conference on World Wide Web, 953-954. Edimburgo, Escocia: ACM.

Musto, C.; Narducci, F.; Gemmis, M. d.; Lops, P., & Semeraro, G. (2009). STaR: A Social Tag Recommender System. Proceedings of the ECML/PKDD Discovery Challenge, 215-227. Bled, Eslovenia.

Peng, J. & Zeng, D. (2010). Making Item Predictions through Tag Recommendations. En: ICEBI2010, 483-490. Kunming, Yunnan, P. R.China: Atlantis Press.

Porter, M. (1980). An Algorithm for Suffix Stripping. Program: electronic library and information systems 14(3): 130–137. doi: 10.1108/eb046814

Portilla Olvera, E. & Godoy, D. (2012). Evaluating Term Weighting Schemes for Content-based Tag Recommendation in Social Tagging Systems. IEEE Latin America Transactions 10(4): 1973-1980. doi: 10.1109/TLA.2012.6272482

Qassimi, S. & Abdelwahed, E. (2019). The Role Of Collaborative Tagging and Ontologies in Emerging Semantic of Web Resources. Computing 101(10): 1489-1511. doi: 10.1007/s00607-019-00704-9

Salton, G., Wong., A. & Yang, C. (1975). A Vector Space Model for Automatic Indexing. Comun. ACM 18(11): 613–620. doi: 10.1145/361219.361220.

Singh, A. K., Nagwani, N. K., & Pandey, S. (2017). TAGme: A Topical Folksonomy Based Collaborative Filtering for Tag Recommendation in Community Sites. Proceedings of the 4th Multidisciplinary International Social Networks Conference, 1–7. https://doi.org/10.1145/3092090.3092095

Sood , S., Owsley, S., Hammond, K. & Birnbaum, L. (2007). Tagassist: Automatic Tag Suggestion for Blog Posts (pp.1-7). International Conference on Weblogs and Social Media,. USA: Boulder, Colorado.

Veerman, E.; Lachev, T. & Sarka, D. (2009). Microsoft SQL Server 2008 - Business Intelligence Development and Maintenance. Washington, EEUU: Microsoft Press.

Wang, K.; Jin, Y.; Wang, H.; Pengi, H. & Wang, X. (2018). Personalized Time-aware Tag Recommendation. Proceedings of the 32nd AAAI Conference on Artificial Intelligence, (pp. 459–466). New Orleans, LA, USA.

Wetzker, R.; Zimmermann, C. & Bauckhage, C. (2008). Analyzing Social Bookmarking Systems: A del.icio.us Cookbook (pp. 26-30). Proceedings of the ECAI 2008 Mining Social Data Workshop. Patras, Grecia.

Wu, Y.; Yao, Y.; Xu, F.;Tong, H. & Lu, J. (2016). Tag2Word: Using tags to generate words for content based tag recommendation. Proceedings of the 2016 ACM Conference on Information and Knowledge Management, 2287–2292. Indianapolis, USA: ACM.

Yu-Ta, L.; Shoou-I, Y.; Tsung-Chieh, C. & Jane Yung-jen, H. (2009). A Content-Based Method to Enhance Tag Recommendation. Proceedings of the 21st international jont conference on Artifical Intelligence, 2064 - 2069. Pasadena, California: Morgan Kaufmann.

Zhang, N.; Zhang, Y. & Tang, J. (2009). A Tag Recommendation System for Folksonomy. Proceedings of the 2nd ACM Workshop on Social Web Search and Mining, 9-16. Hong Kong, China: ACM.

Zhang, Z.-K.; Tao, Z. & Yi-Cheng, Z. (2011). Tag-aware Recommender Systems: A State-of-the-art Survey. J. Comput. Sci. Technol 26(5): 767--777. doi: 10.1007/s11390-011-0176-1

Descargas

Publicado

2020-10-01

Cómo citar

Portilla Olvera, E., & Lis Godoy, D. (2020). Un modelo híbrido de recomendación de etiquetas para sistemas de anotación social. Enfoque UTE, 11(4), pp. 1 – 15. https://doi.org/10.29019/enfoqueute.v11n4.640

Número

Vol. 11 Núm. 4 (2020)

Sección

Misceláneos

Licencia

Derechos de autor 2020 Enfoque UTE

Creative Commons License

Esta obra está bajo una licencia Creative Commons Reconocimiento 3.0 Unported.

Los artículos e investigaciones publicadas por la Universidad UTE, se realizan en régimen de Acceso Abierto [Open Access] en formato electrónico. Esto significa que todo el contenido está disponible de forma gratuita sin costo para el usuario o su institución. Los usuarios pueden leer, descargar, copiar, distribuir, imprimir, buscar o enlazar los textos completos de los artículos, o usarlos para cualquier otro propósito legal, sin necesidad de pedir permiso previo al editor o al autor. Esto está de acuerdo con la definición de acceso abierto de la Iniciativa de Acceso Abierto de Budapest (BOAI). Al enviar un artículo a cualquiera de las revistas científicas de la Universidad UTE, el o los autores aceptan estas condiciones.

La UTE aplica la licencia Creative Commons Attribution (CC-BY) a los artículos de sus revistas científicas. En virtud de esta licencia de acceso abierto, como autor usted acuerda que cualquier persona puede reutilizar su artículo en su totalidad o en parte para cualquier propósito, de forma gratuita, incluso para fines comerciales. Cualquiera puede copiar, distribuir o reutilizar el contenido siempre y cuando el autor y la fuente original estén correctamente citados. Esto facilita la libertad de reutilización y también asegura que el contenido pueda ser extraído sin barreras para necesidades de investigación.

 

Esta obra está bajo una Creative Commons Attribution 3.0 International (CC BY 3.0).

 

Además, la Revista Enfoque UTE garantiza y declara que los autores conservan siempre todos los derechos de autor y todos los derechos de publicación sin restricciones [© Los Autores].  El reconocimiento (BY) permite cualquier explotación de la obra, incluyendo una finalidad comercial, así como la creación de obras derivadas, la distribución de las cuales también está permitida sin ninguna restricción.