Kolaboratív szűrés
A kolaboratív szűrés úgy ajánl ajánlásokat egy felhasználónak, hogy kihasználja sok felhasználó preferenciáit – „akiknek tetszett, amit te is kedveltél, azoknak ez is tetszett”. Egy ritka felhasználó-elem interakciós mátrixból tanul, vagy hasonló felhasználók vagy elemek keresésével (szomszédsági módszerek, melyeket Sarwar et al. formalizáltak 2001-ben), vagy a mátrix faktorizálásával latens felhasználói és elemfaktorokká (mátrixfaktorizáció, melyet Koren et al. népszerűsítettek a Netflix-díj után).
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/hu/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.
- MátrixkomplecióGépi tanulás↔ compare
- Nemnegatív Mátrix Faktorizáció (NMF)Gépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →