{rfName}
Us

Indexado en

Altmetrics

Investigadores/as Institucionales

Bobadilla, JesusAutor (correspondencia)Gutierrez, AbrahamAutor o Coautor

Compartir

19 de enero de 2025
Publicaciones
>
Artículo
No

Use of conditional generative adversarial networks to create demographic collaborative filtering datasets

Publicado en: APPLIED SOFT COMPUTING. 169 112608- - 2025-01-01 169(), DOI: 10.1016/j.asoc.2024.112608

Autores:

Bobadilla, J; Gutiérrez, A
[+]

Afiliaciones

Univ Politecn Madrid, Ctra Valencia Km 7, Madrid 28031, Spain - Autor o Coautor

Resumen

This paper proposes a method to create synthetic collaborative filtering datasets that can be used to test both current and new fair recommender systems models. The proposed "Conditional Generative Adversarial Network for Recommender Systems (CGANRS)" method generalizes the existing generative adversarial network for recommender systems one, and it makes use of a conditional generative adversarial network to artificially generate synthetic profiles from a source dataset such as MovieLens. The created datasets can be parameterized to have different sizes and to include different number of users and items. Additionally, the provided parameters include the proportion of multi-categorical demographic information such as the number of male vs. female users, or the proportions of very young, young, adult, and senior users. To test the proposed method, three sets of synthetic databases have been created, containing different a) numbers of users, b) numbers of items, and c) proportions of male users versus female users. Results show an adequate behavior of the generated datasets, testing their a) profiles separability, b) main statistical distributions, and c) recommendation accuracies. Synthetic data sets created using the proposed conditional generative adversarial network for recommender systems method are particularly useful to improve research in the fairness field of the recommender systems area. To extend its use and to facilitate reproducibility, the source code is provided to generate as many demographic datasets as desired, as well as the artificially generated datasets in this research. Some promising future works are proposed, including a) the variation of the stochastic Gaussian distribution used to create the random noise vectors that feed the adversarial network generator model, and b) testing the fairness of the most relevant collaborative filtering models on different synthetic scenarios.
[+]

Palabras clave

'currentAdversarial machine learningAdversarial networksCganrsCollaborative filteringConditional generative adversarial networkConditional generative adversarial network for recommender systemConditional generative adversarial networksFairnessGenerative adversarial networksMovielensRecommender systemsSynthetic datasetSynthetic datasetsSystem methodsSystem modelsWiener filtering

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista APPLIED SOFT COMPUTING debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2025, se encontraba en la posición 24/177, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Computer Science, Interdisciplinary Applications.

[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-27:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 11 (PlumX).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/91904/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 42
  • Descargas: 3
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (BOBADILLA SANCHO, JESUS) y Último Autor (GUTIERREZ RODRIGUEZ, ABRAHAM).

el autor responsable de establecer las labores de correspondencia ha sido BOBADILLA SANCHO, JESUS.

[+]

Reconocimientos ligados al ítem

This work was partially supported by Ministerio de Ciencia e Innovacion of Spain under the project PID2019-106493RB-I00 (DL-CEMG) and the Comunidad de Madrid under Convenio Plurianual with the Universidad Politecnica de Madrid in the actuation line of Programa de Excelencia para el Profesorado Universitario.
[+]