Lọc cộng tác
Lọc cộng tác đề xuất các mục cho người dùng bằng cách tận dụng sở thích của nhiều người dùng — 'những người thích những gì bạn thích cũng thích cái này'. Nó học hỏi từ một ma trận tương tác người dùng-mục thưa thớt, bằng cách tìm kiếm những người dùng hoặc mục tương tự (phương pháp lân cận, được hình thức hóa bởi Sarwar và cộng sự năm 2001) hoặc bằng cách phân rã ma trận thành các yếu tố tiềm ẩn của người dùng và mục (phân rã ma trận, được phổ biến bởi Koren và cộng sự sau Giải thưởng Netflix).
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). Collaborative Filtering (Recommender Systems). ScholarGate. https://scholargate.app/vi/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.
Compare side by side →Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →