Comparison of multiple book recommendation algorithms after analysis of user characteristics using big data

Ruixia Wang & Na He

Technical services quarterly, ISSN 1555-3337, Vol. 40, n. 4, 2023, p. 249-259

El artículo aborda la problemática de la abundancia de libros tanto en línea como fuera de línea, lo que dificulta a los usuarios encontrar rápidamente los libros que desean. Propone que un sistema de recomendación de libros podría mejorar la eficiencia en el préstamo de libros, reducir costos de tiempo y aumentar la satisfacción del usuario. Destaca la importancia de seleccionar un algoritmo de recomendación de libros de alto rendimiento. El estudio se enfoca en algoritmos de filtrado colaborativo, presentando investigaciones previas que respaldan su eficacia. Explora tres categorías de algoritmos de recomendación comunes: basados en filtrado colaborativo, basados en contenido y algoritmos híbridos. Se describe el proceso de cálculo de similitud utilizando distancias euclidianas, coeficiente de correlación de Pearson y similitud de coseno. La investigación utiliza datos de usuarios de una biblioteca y emplea el análisis de clustering K-means para extraer características de usuarios. Se clasifican los usuarios en categorías según género, edad, tiempo de lectura, cantidad de libros leídos por año y géneros de libros preferidos. La evaluación de los algoritmos se realiza utilizando indicadores como el Error Absoluto Medio (MAE), precisión, tasa de recuperación y puntaje F1. Los resultados muestran que el algoritmo híbrido supera a los otros dos en términos de MAE y precisión bajo diferentes características de usuario. Además, se utiliza la similitud de coseno para evaluar la similitud entre usuarios, y se observa que el algoritmo híbrido tiene una mayor precisión en la recomendación de libros.

https://doi.org/10.1080/07317131.2023.2259691

Resumen elaborado por IA con revisión de la Sección de Documentación Bibliotecaria