Kolaborativní filtrování
Kolaborativní filtrování doporučuje položky uživateli tím, že využívá preference mnoha uživatelů – „lidé, kterým se líbilo to, co se líbilo vám, se líbilo i toto“. Učí se ze řídké matice interakcí uživatelů a položek, a to buď nalezením podobných uživatelů nebo položek (metody sousedství, formalizované Sarwarem a kol. v roce 2001), nebo faktorizací matice na latentní faktory uživatelů a položek (faktorizace matice, popularizovaná Korenem a kol. po Netflix Prize).
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/cs/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.
- Dokončování maticStrojové učení↔ compare
- Nezáporná maticová faktorizace (NMF)Strojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →