Filtrado Colaborativo
El filtrado colaborativo recomienda artículos a un usuario aprovechando las preferencias de muchos usuarios: 'a las personas que les gustó lo que a ti te gustó, también les gustó esto'. Aprende de una matriz dispersa de interacciones usuario-artículo, ya sea encontrando usuarios o artículos similares (métodos de vecindad, formalizados por Sarwar et al. en 2001) o factorizando la matriz en factores latentes de usuario y artículo (factorización de matrices, popularizada por Koren et al. después del Netflix Prize).
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/es/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.
- Completado de matricesAprendizaje automático↔ compare
- Factorización de Matrices No Negativas (NMF)Aprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →