Machine learningRecommender systems
협업 필터링
협업 필터링은 많은 사용자의 선호도를 활용하여 사용자에게 항목을 추천합니다. '당신이 좋아했던 사람들이 당신이 좋아했던 것도 좋아했습니다.' 이는 희소한 사용자-항목 상호작용 행렬에서 학습하는데, 유사한 사용자나 항목을 찾거나(이웃 방법, 2001년 Sarwar 등이 형식화) 행렬을 잠재 사용자 및 항목 요인으로 분해하는(행렬 분해, Netflix Prize 이후 Koren 등이 대중화) 방식을 사용합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/ko/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 →