logo móvil
Contáctanos

Un marco de recomendación mejorado en seguridad y consciente de la confianza para la coincidencia de compañeros de viaje

Autores: Lam, Xin Yin; Ramasamy, R. Kanesaraj

Idioma: Inglés

Editor: MDPI

Año: 2026

Descargar PDF

Acceso abierto

Artículo científico
2026

Un marco de recomendación mejorado en seguridad y consciente de la confianza para la coincidencia de compañeros de viaje


Categoría

Gestión y administración

Subcategoría

Gestión de la tecnología y la inovación

Palabras clave

Compañero de viaje
Desafíos de coincidencia
Riesgos de seguridad
Datos del usuario
Restricciones de confianza
Modelado de preferencias

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
La coincidencia de compañeros de viaje presenta desafíos únicos en comparación con los dominios de recomendación convencionales, ya que implica interacción interpersonal en el mundo real, riesgos de seguridad percibidos y datos históricos de usuarios limitados en condiciones de inicio en frío. Las plataformas existentes a menudo carecen de un emparejamiento estructurado de múltiples factores y de una integración transparente de las restricciones de confianza y seguridad. Este estudio realiza tres contribuciones. Primero, introduce una metodología para derivar pesos de compatibilidad interpretables a partir de datos de preferencias de usuarios en condiciones de inicio en frío. Segundo, presenta un marco de evaluación comparativa de cuatro algoritmos que identifica estrategias de emparejamiento preferidas por los usuarios a través de pruebas controladas con usuarios reales. Tercero, propone un algoritmo híbrido empírico mejorado en seguridad que integra una puerta de confianza estricta (T >= 0.7), componentes orientados a la seguridad (51.3% de peso normalizado) y personalización de preferencias derivadas empíricamente (48.7%) dentro de un único marco de puntuación. Se adopta una metodología empírica en tres fases: Fase 1 (n = 26 encuestas) deriva pesos de compatibilidad, revelando la seguridad (69.2%), el ritmo de viaje (76.9%) y el presupuesto (73.1%) como factores dominantes; Fase 2 (n = 15) compara cuatro algoritmos, siendo el emparejamiento con prioridad en la seguridad el que recibe la tasa de aceptación más alta (60.0%, IC de Wilson al 95%: 35.7-80.2%); Fase 3 (n = 13 viajes) evalúa el algoritmo híbrido, logrando una tasa de selección del 84.6% con Precision@6 = 0.333, MRR@6 = 0.554 y NDCG@6 = 0.597. Estos resultados proporcionan evidencia preliminar de que las restricciones conscientes de la confianza pueden integrarse con la modelización de preferencias derivadas empíricamente para producir recomendaciones accionables en condiciones de inicio en frío, ofreciendo un enfoque reproducible para plataformas de viaje entre pares que priorizan la seguridad del usuario.

Otros recursos que podrían interesarte

Temas Virtualpro