Collaborative Filtering
Collaborative filtering beveelt items aan een gebruiker aan door gebruik te maken van de voorkeuren van vele gebruikers — 'mensen die vonden wat jij leuk vond, vonden dit ook leuk'. Het leert van een schaarse gebruikers-item interactiematrix, hetzij door vergelijkbare gebruikers of items te vinden (buurmethoden, geformaliseerd door Sarwar et al. in 2001) of door de matrix te factoriseren in latente gebruikers- en itemfactoren (matrixfactorisatie, gepopulariseerd door Koren et al. na de Netflix Prize).
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/nl/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.
- Matrix CompletionMachine learning↔ compare
- Niet-negatieve Matrixfactorisatie (NMF)Machine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →