{rfName}
A

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

252

Altmetrics

Investigadores/as Institucionales

F. OrtegaAutor o CoautorR. Lara-CabreraAutor o Coautor

Compartir

6 de agosto de 2019
Publicaciones
>
Artículo
Sí

A Collaborative Filtering approach based on Naive Bayes Classifier

Publicado en: IEEE Access. 7 108581-108592 - 2019-01-01 7(), DOI: 10.1109/ACCESS.2019.2933048

Autores:

Valdiviezo-Diaz, Priscila; Ortega, Fernando; Cobos, Eduardo; Lara-Cabrera, Raul
[+]

Afiliaciones

Dpto. Sistemas Informáticos, ETSI Sistemas Informáticos, Universidad Politécnica de Madrid, Madrid, Spain. - Autor o Coautor
Ingenio Labs, Madrid 28001, Spain - Autor o Coautor
Ingenio Labs, Madrid, Spain. - Autor o Coautor
Univ Politecn Madrid, ETSI Sistemas Informat, Dept Lenguajes & Sistemas Informat, Madrid, Spain - Autor o Coautor
Univ Tecn Particular Loja, Comp Sci & Elect Dept, Loja 1101608, Ecuador - Autor o Coautor
Universidad Técnica Particular de Loja. Computer Science and Electronic Department, Loja, Ecuador and Dpto. Sistemas Informáticos, ETSI Sistemas Informáticos, Universidad Politécnica de Madrid, Madrid, Spain. - Autor o Coautor
Ver más

Resumen

Recommender system is an information filtering tool used to alleviate information overload for users on the web. Collaborative filtering recommends items to users based on their historical rating information. There are two approaches: memory-based, which usually provides inaccurate but explainable recommendations; and model-based, whose recommendations are more precise but hard to understand. Here we propose a Bayesian model that not only provides us with recommendations as good as matrix factorization models, but these predictions can also be explained. The model is based on both user-based and item-based collaborative filtering approaches, which recommends items by using similar users’ and items’ information, respectively. Experiments carried out using four datasets present good results compared to several state-of-the-art baselines, achieving the best performance using the Normalized Discounted Cumulative Gain (nDCG) quality measure and also improving the prediction’s accuracy in some datasets.
[+]

Palabras clave

CollaborationCollaborative filteringData modelsHybrid cfMathematical modelNaive bayes classifierPredictive modelsRecommender systemsReliabilityReliability measure

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista IEEE Access 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, 2019, se encontraba en la posición 35/156, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Computer Science, Information Systems.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 2.73. Esto 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: ESI 13 Nov 2025)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Media Ponderada del Impacto Normalizado de la agencia Scopus: 4.92 (fuente consultada: FECYT Mar 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2026-04-08, el siguiente número de citas:

  • WoS: 55
  • Scopus: 96
  • Google Scholar: 101
[+]

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 2026-04-08:

  • 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: 185 (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:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/79085/

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: 150
  • Descargas: 624
[+]

Análisis de liderazgo de los autores institucionales

Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: Ecuador.

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 (P. Valdiviezo-Diaz) y Último Autor (LARA CABRERA, RAUL).

el autor responsable de establecer las labores de correspondencia ha sido P. Valdiviezo-Diaz.

[+]