Penapisan Kolaboratif
Penapisan kolaboratif mengesyorkan item kepada pengguna dengan memanfaatkan pilihan ramai pengguna — 'orang yang menyukai apa yang anda sukai juga menyukai ini'. Ia belajar daripada matriks interaksi pengguna-item yang jarang, sama ada dengan mencari pengguna atau item yang serupa (kaedah kejiranan, diformalkan oleh Sarwar et al. pada 2001) atau dengan memfaktorkan matriks kepada faktor pengguna dan item laten (pemfaktoran matriks, dipopularkan oleh Koren et al. selepas Netflix Prize).
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/ms/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.
- Penyelesaian MatriksPembelajaran Mesin↔ compare
- Penyahfaktoran Matriks Tak-Negatif (NMF)Pembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →