סינון שיתופי
סינון שיתופי ממליץ פריטים למשתמש על ידי מינוף העדפותיהם של משתמשים רבים – 'אנשים שאוהבים את מה שאתה אוהב, גם אהבו את זה'. הוא לומד ממטריצת אינטראקציות דלילה של משתמש-פריט, בין אם על ידי מציאת משתמשים או פריטים דומים (שיטות שכנות, פורמליזציה על ידי Sarwar et al. ב-2001) או על ידי פירוק המטריצה לגורמים סמויים של משתמש ופריט (פירוק מטריצה, שהפך פופולרי על ידי Koren et al. לאחר ה-Netflix Prize).
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/he/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.
- השלמת מטריצותלמידת מכונה↔ compare
- פירוק מטריצות לא-שליליות (NMF)למידת מכונה↔ compare