Коллаборативная фильтрация
Коллаборативная фильтрация рекомендует элементы пользователю, используя предпочтения многих пользователей — «людям, которым понравилось то, что понравилось вам, понравилось и это». Она обучается на разреженной матрице взаимодействий пользователя и элемента, находя либо похожих пользователей или элементы (методы соседства, формализованные Сарваром и др. в 2001 г.), либо путем факторизации матрицы на скрытые факторы пользователя и элемента (факторизация матрицы, популяризированная Кореном и др. после Netflix Prize).
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/ru/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.
- Завершение матрицыМашинное обучение↔ compare
- Неотрицательное матричное разложение (NMF)Машинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →