Machine learningRecommender systems
協調フィルタリング
協調フィルタリングは、多くのユーザーの嗜好を活用してユーザーにアイテムを推薦します。「あなたの好みを気に入った人々もこれを気に入りました」という考え方です。これは、類似ユーザーまたは類似アイテムを見つける（近傍法、Sarwarらによって2001年に形式化）か、行列を潜在的なユーザーおよびアイテムの因子に分解する（行列分解、Netflix Prize以降Korenらによって普及）ことによって、疎なユーザーアイテムインタラクション行列から学習します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →