सहयोगी फ़िल्टरिंग
सहयोगी फ़िल्टरिंग कई उपयोगकर्ताओं की प्राथमिकताओं का लाभ उठाकर किसी उपयोगकर्ता को आइटम सुझाता है — 'जिन्हें आपकी पसंद की चीज़ें पसंद थीं, उन्हें भी यह पसंद आया'। यह एक विरल उपयोगकर्ता-आइटम इंटरैक्शन मैट्रिक्स से सीखता है, या तो समान उपयोगकर्ताओं या आइटम (पड़ोस विधियाँ, जिसे Sarwar et al. ने 2001 में औपचारिक रूप दिया था) को ढूंढकर या मैट्रिक्स को अव्यक्त उपयोगकर्ता और आइटम कारकों में विभाजित करके (मैट्रिक्स फ़ैक्टराइज़ेशन, जिसे Netflix Prize के बाद Koren et al. द्वारा लोकप्रिय बनाया गया था)।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/hi/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.
- मैट्रिक्स पूर्णनमशीन अधिगम↔ compare
- ऋणात्मक मैट्रिक्स गुणनखंडन (NMF)मशीन अधिगम↔ compare