فیلترکردن مشارکتی
فیلترکردن مشارکتی (Collaborative Filtering) با بهرهگیری از ترجیحات بسیاری از کاربران، آیتمهایی را به یک کاربر توصیه میکند — «افرادی که آنچه شما دوست داشتید را دوست داشتند، این را نیز دوست داشتند». این روش از یک ماتریس تعامل کاربر-آیتم پراکنده یاد میگیرد، یا با یافتن کاربران یا آیتمهای مشابه (روشهای همسایگی، که توسط ساروار و همکاران در سال ۲۰۰۱ رسمی شد) یا با تجزیه ماتریس به عوامل پنهان کاربر و آیتم (تجزیه ماتریس، که توسط کورن و همکاران پس از جایزه نتفلیکس محبوب شد).
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/fa/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.
- تکمیل ماتریسیادگیری ماشین↔ compare
- تجزیه ماتریس نامنفی (NMF)یادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →