TY - JOUR A2 - Kotsopoulos, Stavros AU - Martinez-Pabon, Francisco AU - Ospina-Quintero, Juan Camilo AU - Ramirez-Gonzalez, Gustavo AU - Munoz-Organero，对于大、中、小公司来说，将普适计算技术用于广告是一个有趣的新兴领域。尽管推荐系统已经成为一种传统的解决方案，以减少用户寻找好的个性化商品的认知努力，但经典的协同过滤需要包含上下文信息，以更加有效。在推荐算法中加入用户的社会背景信息，特别是对其他用户的信任，可能是一种从其他最亲密的社交圈中获取广告影响力的机制。然而，信任推理过程中所使用的变量尚未达成共识，将其整合到经典的协同过滤推荐系统中值得深入研究。另一方面，无处不在的广告领域要求从新颖性/精确性的角度对推荐系统进行评估。提高推荐算法的精度/新颖性平衡不仅与推荐算法本身有关，还与更好的推荐显示策略有关。在本文中，我们提出了一种基于信任的协同过滤推荐系统的新方法，该方法在一个数字标牌原型中使用多屏幕推荐方案进行了测试，并使用新颖/精度方法评估我们的建议。SN - 1574-017X UR - https://doi.org/10.1155/2016/8593173 DO - 10.1155/2016/8593173 JF - Mobile Information Systems PB - Hindawi Publishing Corporation KW - ER -