Filtragem Colaborativa
A filtragem colaborativa recomenda itens a um usuário alavancando as preferências de muitos usuários — 'pessoas que gostaram do que você gostou também gostaram disso'. Ela aprende a partir de uma matriz esparsa de interações usuário-item, seja encontrando usuários ou itens similares (métodos de vizinhança, formalizados por Sarwar et al. em 2001) ou fatorando a matriz em fatores latentes de usuário e item (fatoração de matriz, popularizada por Koren et al. após o Netflix Prize).
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/pt/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.
- Completude de MatrizAprendizado de máquina↔ compare
- Fatoração de Matriz Não-Negativa (NMF)Aprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →