Колаборативно филтриране
Колаборативното филтриране препоръчва елементи на потребител, като използва предпочитанията на много потребители — „хората, които харесват това, което вие харесвате, харесват и това“. То се учи от разредена матрица на взаимодействията потребител-елемент, като намира сходни потребители или елементи (методи на съседство, формализирани от Sarwar et al. през 2001 г.) или чрез разлагане на матрицата на скрити потребителски и елементни фактори (разлагане на матрица, популяризирано от Koren et al. след Netflix Prize).
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/bg/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.
- Завършване на матрициМашинно обучение↔ compare
- Неотрицателна матрична факторизация (NMF)Машинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →