{rfName}
De

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

15

Altmetrics

Investigadores/as Institucionales

Bobadilla JAutor o CoautorOrtega FAutor o CoautorGutierrez AAutor o CoautorGonzález-Prieto áAutor (correspondencia)Gonzalez Prieto, AngelAutor o Coautor

Compartir

20 de diciembre de 2022
Publicaciones
>
Artículo
Sí

Deep variational models for collaborative filtering-based recommender systems

Publicado en: NEURAL COMPUTING & APPLICATIONS. 35 (10): 7817-7831 - 2023-04-01 35(10), DOI: 10.1007/s00521-022-08088-2

Autores:

Bobadilla, J; Ortega, F; Gutiérrez, A; González-Prieto, A
[+]

Afiliaciones

CSIC-UAM-UC3M-UCM - Instituto de Ciencias Matematicas (ICMAT) , Universidad Politécnica de Madrid , Universidad Complutense de Madrid - Autor o Coautor
Inst Ciencias Matemat CSIC UAM UCM UC3M, C Nicolas Cabrera 13-15, Madrid 28049, Spain - Autor o Coautor
Univ Complutense Madrid, Dept Algebra Geometria & Topol, Plaza Ciencias 3, E-28040 Madrid, Spain - Autor o Coautor
Univ Politecn Madrid, Dept Sistemas Informat, ETSI Sistemas Informat, C Alan Turing S-N, Madrid 28031, Spain - Autor o Coautor
Univ Politecn Madrid, KNODIS Res Grp, C Alan Turing S-N, Madrid 28031, Spain - Autor o Coautor
Universidad Politécnica de Madrid - Autor o Coautor
Ver más

Resumen

Deep learning provides accurate collaborative filtering models to improve recommender system results. Deep matrix factorization and their related collaborative neural networks are the state of the art in the field; nevertheless, both models lack the necessary stochasticity to create the robust, continuous, and structured latent spaces that variational autoencoders exhibit. On the other hand, data augmentation through variational autoencoder does not provide accurate results in the collaborative filtering field due to the high sparsity of recommender systems. Our proposed models apply the variational concept to inject stochasticity in the latent space of the deep architecture, introducing the variational technique in the neural collaborative filtering field. This method does not depend on the particular model used to generate the latent representation. In this way, this approach can be applied as a plugin to any current and future specific models. The proposed models have been tested using four representative open datasets, three different quality measures, and state-of-the-art baselines. The results show the superiority of the proposed approach in scenarios where the variational enrichment exceeds the injected noise effect. Additionally, a framework is provided to enable the reproducibility of the conducted experiments.
[+]

Palabras clave

collaborative filteringdeep learningvariational enrichmentCollaborative filteringDeep learningMatrix factorizationRecommender systemsVariational enrichment

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista NEURAL COMPUTING & APPLICATIONS debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2023, se encontraba en la posición , consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Software.

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: 1.42. 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: 1.39 (fuente consultada: FECYT Mar 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2026-04-27, el siguiente número de citas:

  • WoS: 10
  • Scopus: 14
  • Google Scholar: 5
[+]

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:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 35.

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 1.
  • El número de menciones en la red social X (antes Twitter): 1 (Altmetric).

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/91910/

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: 35
  • Descargas: 21
[+]

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 (GONZALEZ PRIETO, ANGEL).

el autor responsable de establecer las labores de correspondencia ha sido GONZALEZ PRIETO, JOSE ANGEL.

[+]