{rfName}
Vi

Licencia y uso

Altmetrics

Análisis de autorías institucional

Gil, S.Autor o CoautorBobadilla, J.Autor (correspondencia)Ortega, F.Autor o Coautor

Compartir

9 de junio de 2019
Publicaciones
>
Artículo
No

VisualRS: Java framework for visualization of recommender systems information

Publicado en:Knowledge-Based Systems. 155 66-70 - 2018-09-01 155(), DOI: 10.1016/j.knosys.2018.04.028

Autores: Gil, S; Bobadilla, J; Ortega, F; Zhu, B

Afiliaciones

Univ Politecn Madrid, Beijing Inst Technol, Madrid, Spain - Autor o Coautor
Univ Politecn Madrid, Madrid, Spain - Autor o Coautor
Univ Tecnol & Arte Digital, Las Rozas De Madrid, Spain - Autor o Coautor

Resumen

VisualRS is an object oriented Java framework that allows: 1) To relate items or users from recommender systems, 2) To provide tree graph structures containing the most relevant relationships between items or between users, 3) To create visualizations, using Gephi, of the resulting tree graphs, 4) To select the tree graph structures that allow a more balanced visualization and an easier navigation, 5) To choose between an assortment of collaborative filtering similarity measures, 6) To measure the quality of the results making use of centrality measures in graphs, and 7) To easily embed new similarity metrics and quality measures. VisualRS can be used: 1) As recommender systems analysis tool, 2) To provide users and technical managers with a visualization tool of items and users, and 3) To facilitate research both into the collaborative filtering graphic representation and into the information navigation fields. It provides a broad basis for personalization and experimentation.

Palabras clave

Collaborative filteringRecommender systemsRelated informationSimilarity measuresTree graphs

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Knowledge-Based Systems 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, 2018, se encontraba en la posición 17/134, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Computer Science, Artificial Intelligence.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir del Field Citation Ratio (FCR) de la fuente Dimensions, arroja un valor de: 1.06, lo que indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: Dimensions Jul 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-07-28, el siguiente número de citas:

  • WoS: 3
  • Scopus: 6
  • Google Scholar: 7

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 2025-07-28:

  • 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: 29 (PlumX).

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 (GIL BORRAS, SERGIO) y Último Autor (Zhu, B.).

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