Filtratge Col·laboratiu
El filtratge col·laboratiu recomana ítems a un usuari aprofitant les preferències de molts usuaris — «a la gent que li va agradar el que a tu t'ha agradat, també li va agradar això». Aprèn d'una matriu d'interacció usuari-ítem dispersa, ja sigui trobant usuaris o ítems similars (mètodes de veïnatge, formalitzats per Sarwar et al. el 2001) o factoritzant la matriu en factors latents d'usuari i d'ítem (factorització matricial, popularitzada per Koren et al. després del Netflix Prize).
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/ca/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.
- Completament de matriusAprenentatge automàtic↔ compare
- Factorització de Matrius No negatives (NMF)Aprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →