Sadarbības filtrēšana
Sadarbības filtrēšana iesaka vienumus lietotājam, izmantojot daudzu lietotāju preferences — 'cilvēki, kuriem patika tas, kas patika jums, novērtēja arī šo'. Tā mācās no reti sastopamas lietotāju-vienumu mijiedarbības matricas, atrodot līdzīgus lietotājus vai vienumus (tuvuma metodes, ko formalizēja Sarwars et al. 2001. gadā) vai faktorizējot matricu latentās lietotāju un vienumu faktoros (matricas faktorizācija, ko popularizēja Korens et al. pēc Netflix konkursa).
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/lv/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.
- Matricas pabeigšanaMašīnmācīšanās↔ compare
- Neatūru matricas faktorizācija (NMF)Mašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →