Kolaborativno filtriranje
Kolaborativno filtriranje preporučuje stavke korisniku iskorištavajući preferencije mnogih korisnika – 'ljudi kojima se svidjelo ono što se svidjelo vama, svidjelo se i ovo'. Uči iz rijetke matrice interakcija korisnik-stavka, bilo pronalaženjem sličnih korisnika ili stavki (metode susjedstva, formalizirane od strane Sarwara et al. 2001.) ili faktorizacijom matrice na latentne faktore korisnika i stavki (faktorizacija matrice, popularizirana od strane Korena et al. nakon Netflix nagrade).
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/hr/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.
- Dopunjavanje matricaStrojno učenje↔ compare
- NMF (Nenegativna matrična faktorizacija)Strojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →