الترشيح التعاوني
يوصي الترشيح التعاوني بالعناصر لمستخدم ما عن طريق الاستفادة من تفضيلات العديد من المستخدمين - 'الأشخاص الذين أحبوا ما أحببته أنت أحبوا هذا أيضًا'. يتعلم من مصفوفة تفاعل مستخدم-عنصر متفرقة، إما عن طريق إيجاد مستخدمين أو عناصر متشابهة (طرق الجوار، التي صاغها ساروار وآخرون في عام 2001) أو عن طريق تحليل المصفوفة إلى عوامل كامنة للمستخدم والعنصر (تحليل المصفوفة، الذي شاعته كورين وآخرون بعد جائزة نتفليكس).
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Sarwar, B., Karypis, G., Konstan, J., & Riedl, J. (2001). Item-based collaborative filtering recommendation algorithms. Proceedings of the 10th International Conference on World Wide Web, 285–295. DOI: 10.1145/371920.372071 ↗
- Koren, Y., Bell, R., & Volinsky, C. (2009). Matrix factorization techniques for recommender systems. Computer, 42(8), 30–37. DOI: 10.1109/MC.2009.263 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/ar/machine-learning/collaborative-filtering
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- إكمال المصفوفاتتعلم الآلة↔ compare
- تحليل المصفوفات غير السلبية (NMF)تعلم الآلة↔ compare