Filtrare colaborativa - Collaborative filtering

Această imagine prezintă un exemplu de prezicere a evaluării utilizatorului utilizând filtrarea colaborativă . La început, oamenii evaluează diferite articole (cum ar fi videoclipuri, imagini, jocuri). După aceea, sistemul face predicții despre evaluarea utilizatorului pentru un articol, pe care utilizatorul nu l-a evaluat încă. Aceste predicții se bazează pe evaluările existente ale altor utilizatori, care au evaluări similare cu utilizatorul activ. De exemplu, în cazul nostru, sistemul a făcut o predicție că utilizatorul activ nu va aprecia videoclipul.

Filtrarea colaborativă ( CF ) este o tehnică utilizată de sistemele de recomandare . Filtrarea colaborativă are două sensuri, unul îngust și unul mai general.

În sens mai nou, mai restrâns, filtrarea colaborativă este o metodă de a face predicții automate (filtrare) despre interesele unui utilizator prin colectarea de preferințe sau informații de gust de la mulți utilizatori (colaborare). Presupunerea care stă la baza abordării de filtrare colaborativă este că, dacă o persoană A are aceeași opinie ca o persoană B cu privire la o problemă, A are mai multe șanse să aibă opinia lui B despre o problemă diferită decât cea a unei persoane alese aleatoriu. De exemplu, un sistem de recomandare de filtrare colaborativă pentru preferințele din programarea televiziunii ar putea face predicții cu privire la ce emisiune de televiziune ar trebui să îi placă unui utilizator, având o listă parțială a gusturilor acelui utilizator (aprecieri sau nu). Rețineți că aceste predicții sunt specifice utilizatorului, dar utilizați informații culese de la mulți utilizatori. Aceasta diferă de abordarea mai simplă a acordării unui scor mediu (nespecific) pentru fiecare element de interes, de exemplu pe baza numărului de voturi .

În sensul mai general, filtrarea colaborativă este procesul de filtrare pentru informații sau modele folosind tehnici care implică colaborarea între mai mulți agenți, puncte de vedere, surse de date etc. Aplicațiile filtrării colaborative implică de obicei seturi de date foarte mari. Metodele de filtrare colaborativă au fost aplicate multor tipuri diferite de date, inclusiv: date de detectare și monitorizare, cum ar fi explorarea mineralelor, detectarea mediului în zone mari sau senzori multipli; date financiare, cum ar fi instituțiile de servicii financiare care integrează multe surse financiare; sau în comerțul electronic și aplicațiile web unde accentul este pus pe datele utilizatorilor, etc. Restul acestei discuții se concentrează pe filtrarea colaborativă pentru datele utilizatorilor, deși unele dintre metode și abordări se pot aplica și celorlalte aplicații majore.

Prezentare generală

Creșterea a Internetului a făcut - o mult mai dificil de eficient extrage informații utile din toate disponibile informații online . Cantitatea copleșitoare de date necesită mecanisme pentru filtrarea eficientă a informațiilor . Filtrarea colaborativă este una dintre tehnicile utilizate pentru rezolvarea acestei probleme.

Motivația pentru filtrarea colaborativă vine din ideea că oamenii primesc deseori cele mai bune recomandări de la cineva cu gusturi similare lor. Filtrarea colaborativă cuprinde tehnici de potrivire a persoanelor cu interese similare și de a face recomandări pe această bază.

Algoritmii de filtrare colaborativă necesită adesea (1) participarea activă a utilizatorilor, (2) o modalitate ușoară de a reprezenta interesele utilizatorilor și (3) algoritmi capabili să se potrivească cu persoane cu interese similare.

De obicei, fluxul de lucru al unui sistem de filtrare colaborativă este:

1. Un utilizator își exprimă preferințele prin evaluarea articolelor (de exemplu cărți, filme sau înregistrări muzicale) ale sistemului. Aceste evaluări pot fi văzute ca o reprezentare aproximativă a interesului utilizatorului în domeniul corespunzător.
2. Sistemul corespunde evaluărilor acestui utilizator cu cele ale altor utilizatori și găsește persoanele cu cele mai multe gusturi „similare”.
3. Cu utilizatori similari, sistemul recomandă articole pe care utilizatorii similari le-au apreciat foarte bine, dar care nu au fost încă evaluate de acest utilizator (probabil absența evaluării este adesea considerată ca fiind necunoscută unui articol)

O problemă esențială a filtrării colaborative este cum să combinați și să evaluați preferințele vecinilor utilizatorilor. Uneori, utilizatorii pot evalua imediat articolele recomandate. Ca rezultat, sistemul câștigă o reprezentare din ce în ce mai exactă a preferințelor utilizatorilor în timp.

Metodologie

Filtrare colaborativă în sistemele de recomandare

Sistemele de filtrare colaborativă au multe forme, dar multe sisteme comune pot fi reduse la doi pași:

1. Căutați utilizatori care împărtășesc aceleași modele de evaluare cu utilizatorul activ (utilizatorul pentru care este predicția).
2. Utilizați evaluările de la acei utilizatori care au aceeași idee, găsiți la pasul 1 pentru a calcula o predicție pentru utilizatorul activ

Aceasta se încadrează în categoria filtrării colaborative bazate pe utilizatori. O aplicație specifică a acestui lucru este algoritmul de vecinătate cea mai apropiată bazat pe utilizator .

Alternativ, filtrarea colaborativă bazată pe articole (utilizatorii care au cumpărat x au cumpărat și y), se desfășoară într-un mod centrat pe articol:

1. Construiți o matrice articol-articol determinând relațiile dintre perechile de articole
2. Inferați gusturile utilizatorului actual examinând matricea și potrivind datele acelui utilizator

A se vedea, de exemplu, familia de filtrare colaborativă bazată pe articole Slope One .

O altă formă de filtrare colaborativă se poate baza pe observații implicite ale comportamentului normal al utilizatorului (spre deosebire de comportamentul artificial impus de o sarcină de evaluare). Aceste sisteme observă ce a făcut un utilizator împreună cu ceea ce au făcut toți utilizatorii (ce muzică au ascultat, ce articole au cumpărat) și folosesc aceste date pentru a prezice comportamentul utilizatorului în viitor sau pentru a prezice modul în care un utilizator ar putea să-i placă a se comporta având ocazia. Aceste predicții trebuie apoi filtrate prin logica de afaceri pentru a determina modul în care acestea ar putea afecta acțiunile unui sistem de afaceri. De exemplu, nu este util să oferiți vânzării cuiva un anumit album de muzică dacă au demonstrat deja că dețin acea muzică.

Bazându-se pe un sistem de notare sau evaluare care este calculat în medie la toți utilizatorii, ignoră cerințele specifice ale unui utilizator și este deosebit de slab în sarcinile în care există variații mari de interes (ca în recomandarea muzicii). Cu toate acestea, există și alte metode de combatere a exploziei informaționale, cum ar fi căutarea pe web și gruparea de date .

Tipuri

Bazat pe memorie

Abordarea bazată pe memorie folosește datele de evaluare ale utilizatorilor pentru a calcula similaritatea dintre utilizatori sau articole. Exemple tipice ale acestei abordări sunt CF bazate pe vecinătate și recomandări top-N bazate pe articole / bazate pe utilizatori. De exemplu, în abordările bazate pe utilizatori, valoarea evaluărilor pe care le dă utilizatorului u articolului i se calculează ca o agregare a evaluării unor utilizatori similari asupra articolului:

${\ displaystyle r_ {u, i} = \ operatorname {aggr} _ {u ^ {\ prime} \ în U} r_ {u ^ {\ prime}, i}}$

unde U denotă setul de N utilizatori de top care sunt cei mai asemănători cu utilizatorul u care a evaluat articolul i . Câteva exemple ale funcției de agregare includ:

${\ displaystyle r_ {u, i} = {\ frac {1} {N}} \ sum \ limits _ {u ^ {\ prime} \ in U} r_ {u ^ {\ prime}, i}}$

${\ displaystyle r_ {u, i} = k \ sum \ limits _ {u ^ {\ prime} \ în U} \ operatorname {simil} (u, u ^ {\ prime}) r_ {u ^ {\ prime} , i}}$

unde k este un factor de normalizare definit ca și ${\ displaystyle k = 1 / \ sum _ {u ^ {\ prime} \ în U} | \ operatorname {simil} (u, u ^ {\ prime}) |}$

${\ displaystyle r_ {u, i} = {\ bar {r_ {u}}} + k \ sum \ limits _ {u ^ {\ prime} \ în U} \ operatorname {simil} (u, u ^ {\ prime}) (r_ {u ^ {\ prime}, i} - {\ bar {r_ {u ^ {\ prime}}}})}$

unde este evaluarea medie a utilizatorului u pentru toate articolele evaluate de u . ${\ displaystyle {\ bar {r_ {u}}}}$

Algoritmul bazat pe vecinătate calculează similitudinea dintre doi utilizatori sau articole și produce o predicție pentru utilizator luând media ponderată a tuturor evaluărilor. Calculul similarității între articole sau utilizatori este o parte importantă a acestei abordări. Pentru aceasta sunt utilizate măsuri multiple, cum ar fi corelația Pearson și similitudinea vectorială bazată pe cosinus .

Asemănarea corelației Pearson a doi utilizatori x , y este definită ca

${\ displaystyle \ operatorname {simil} (x, y) = {\ frac {\ sum \ limits _ {i \ in I_ {xy}} (r_ {x, i} - {\ bar {r_ {x}}} ) (r_ {y, i} - {\ bar {r_ {y}}})} {{\ sqrt {\ sum \ limits _ {i \ in I_ {xy}} (r_ {x, i} - {\ bar {r_ {x}}}) ^ {2}}} {\ sqrt {\ sum \ limits _ {i \ in I_ {xy}} (r_ {y, i} - {\ bar {r_ {y}} }) ^ {2}}}}}}$

unde I _xy este setul de articole evaluate atât de utilizator x, cât și de utilizator y .

Abordarea bazată pe cosinus definește similitudinea cosinusului între doi utilizatori x și y ca:

${\ displaystyle \ operatorname {simil} (x, y) = \ cos ({\ vec {x}}, {\ vec {y}}) = {\ frac {{\ vec {x}} \ cdot {\ vec {y}}} {|| {\ vec {x}} || \ times || {\ vec {y}} ||}} = {\ frac {\ sum \ limits _ {i \ in I_ {xy} } r_ {x, i} r_ {y, i}} {{\ sqrt {\ sum \ limits _ {i \ in I_ {x}} r_ {x, i} ^ {2}}} {\ sqrt {\ sum \ limits _ {i \ in I_ {y}} r_ {y, i} ^ {2}}}}}}$

Algoritmul de recomandare top-N bazat pe utilizator folosește un model vectorial bazat pe similaritate pentru a identifica cei mai similari k utilizatori cu un utilizator activ. Dupa k cei mai mulți utilizatori similare sunt găsite, matrici lor de utilizator de itemi corespunzători sunt agregate pentru a identifica setul de elemente care urmează să fie recomandată. O metodă populară pentru a găsi utilizatori similari este hashingul sensibil la localitate , care implementează cel mai apropiat mecanism vecin în timp liniar.

Avantajele acestei abordări includ: explicabilitatea rezultatelor, care este un aspect important al sistemelor de recomandare; crearea și utilizarea ușoară; facilitarea ușoară a noilor date; independența conținutului elementelor recomandate; scalare bună cu articole cotate.

Există, de asemenea, mai multe dezavantaje cu această abordare. Performanța acestuia scade atunci când datele sunt rare , ceea ce apare frecvent cu elementele legate de web. Acest lucru împiedică scalabilitatea acestei abordări și creează probleme cu seturi de date mari. Deși poate gestiona în mod eficient noi utilizatori, deoarece se bazează pe o structură de date , adăugarea de elemente noi devine mai complicată, deoarece acea reprezentare se bazează de obicei pe un spațiu vectorial specific . Adăugarea de elemente noi necesită includerea elementului nou și reintroducerea tuturor elementelor din structură.

Bazat pe model

În această abordare, modelele sunt dezvoltate folosind diferite extrageri de date , algoritmi de învățare automată pentru a prezice evaluarea de către utilizatori a articolelor neevaluate. Există mulți algoritmi CF pe model. Retele bayesiene , modele de clustering , modele semantice latente , cum ar fi descompunerea singulară de valoare , analiza semantică latentă probabilist , factor multiplicativ multiplu, alocarea Dirichlet latentă și procesul decizional Markov bazate pe modele.

Prin această abordare, metodele de reducere a dimensionalității sunt utilizate în cea mai mare parte ca tehnică complementară pentru a îmbunătăți robustețea și precizia abordării bazate pe memorie. În acest sens, metode precum descompunerea valorii singulare , analiza componentelor principale , cunoscute sub numele de modele de factori latenți, comprimă matricea elementului utilizator într-o reprezentare de dimensiuni reduse în termeni de factori latenți. Un avantaj al utilizării acestei abordări este că, în loc să avem o matrice dimensională înaltă care să conțină un număr abundent de valori lipsă, vom avea de-a face cu o matrice mult mai mică în spațiul dimensional inferior. O prezentare redusă ar putea fi utilizată fie pentru algoritmi de vecinătate bazate pe utilizator, fie bazate pe elemente, care sunt prezentați în secțiunea anterioară. Există mai multe avantaje cu această paradigmă. Se ocupă de raritatea matricei originale mai bine decât cele bazate pe memorie. De asemenea, compararea similitudinii cu matricea rezultată este mult mai scalabilă, mai ales în tratarea unor seturi de date rare.

Hibrid

O serie de aplicații combină algoritmii CF pe bază de memorie și cei pe bază de model. Acestea depășesc limitele abordărilor CF native și îmbunătățesc performanța de predicție. Este important să depășească problemele CF, cum ar fi raritatea și pierderea informațiilor. Cu toate acestea, au o complexitate crescută și sunt costisitoare de implementat. De obicei, majoritatea sistemelor de recomandare comerciale sunt hibride, de exemplu, sistemul de recomandare Google News.

Invatare profunda

În ultimii ani au fost propuse o serie de tehnici neuronale și de învățare profundă. Unii generalizează algoritmii tradiționali de factorizare a matricei printr-o arhitectură neuronală neliniară sau folosesc noi tipuri de modele, cum ar fi Autoencoderii variaționali . În timp ce învățarea profundă a fost aplicată multor scenarii diferite: conștient de context, conștient de secvență, etichetare socială etc. Eficacitatea sa reală atunci când este utilizată într-un scenariu simplu de recomandare colaborativă a fost pusă sub semnul întrebării. O analiză sistematică a publicațiilor care aplică metode de învățare profundă sau neuronale la problema recomandării de top-k, publicată în conferințe de top (SIGIR, KDD, WWW, RecSys), a arătat că, în medie, mai puțin de 40% din articole sunt reproductibile, cu cât mai puțin cu 14% în unele conferințe. În general, studiul identifică 18 articole, doar 7 dintre ele ar putea fi reproduse și 6 dintre ele ar putea fi depășite de linii de bază mult mai vechi și mai simple reglate corespunzător. Articolul subliniază, de asemenea, o serie de probleme potențiale din bursa de cercetare de astăzi și solicită îmbunătățirea practicilor științifice în acest domeniu. Probleme similare au fost identificate și în sistemele de recomandare conștiente de secvență.

Filtrare colaborativă conștientă de context

Multe sisteme de recomandare ignoră pur și simplu alte informații contextuale existente alături de evaluarea utilizatorului în furnizarea recomandărilor de articole. Cu toate acestea, prin disponibilitatea răspândită a informațiilor contextuale, cum ar fi ora, locația, informațiile sociale și tipul dispozitivului pe care utilizatorul îl folosește, devine mai important ca niciodată ca un sistem de recomandare de succes să ofere o recomandare sensibilă la context. Potrivit lui Charu Aggrawal, „sistemele de recomandare sensibile la context își adaptează recomandările în funcție de informații suplimentare care definesc situația specifică în care sunt făcute recomandările. Aceste informații suplimentare sunt denumite contextul”.

Luând în considerare informațiile contextuale, vom avea o dimensiune suplimentară matricei de evaluare a elementelor de utilizator existente. De exemplu, presupuneți un sistem de recomandare a muzicii care oferă recomandări diferite în funcție de ora din zi. În acest caz, este posibil ca un utilizator să aibă preferințe diferite pentru o muzică în diferite ore ale zilei. Astfel, în loc să folosim matricea element de utilizator, putem folosi tensorul de ordinul 3 (sau mai mare pentru a lua în considerare alte contexte) pentru a reprezenta preferințele utilizatorilor sensibili la context.

Pentru a profita de filtrarea colaborativă și în special de metodele bazate pe vecinătate, abordările pot fi extinse de la o matrice de evaluare bidimensională la un tensor de ordin superior. În acest scop, abordarea este de a găsi utilizatorii cei mai asemănători / cu aceeași idee ca un utilizator țintă; se poate extrage și calcula similitudinea feliilor (de exemplu, matrice element-timp) corespunzătoare fiecărui utilizator. Spre deosebire de cazul insensibil la context pentru care se calculează similaritatea a doi vectori de rating, în abordările conștiente de context , similaritatea matricilor de rating corespunzătoare fiecărui utilizator este calculată utilizând coeficienții Pearson . După ce sunt găsiți cei mai buni utilizatori, evaluările lor corespunzătoare sunt agregate pentru a identifica setul de articole care trebuie recomandate utilizatorului țintă.

Cel mai important dezavantaj al luării contextului în modelul de recomandare este acela de a putea face față unui set de date mai mare care conține mult mai multe valori lipsă în comparație cu matricea de evaluare a articolului utilizatorului. Prin urmare, similar metodelor de factorizare matricială , tehnicile de factorizare tensorală pot fi utilizate pentru a reduce dimensionalitatea datelor originale înainte de a utiliza orice metode bazate pe vecinătate.

Aplicație pe web social

Spre deosebire de modelul tradițional de mass media, în care există puțini editori care stabilesc linii directoare, rețelele sociale filtrate în colaborare pot avea un număr foarte mare de editori, iar conținutul se îmbunătățește pe măsură ce crește numărul participanților. Servicii precum Reddit , YouTube și Last.fm sunt exemple tipice de medii bazate pe filtrare colaborativă.

Un scenariu al aplicației de filtrare colaborativă este de a recomanda informații interesante sau populare, după cum judecă comunitatea. Ca exemplu tipic, poveștile apar pe prima pagină a Reddit, deoarece sunt „votate” (apreciate pozitiv) de către comunitate. Pe măsură ce comunitatea devine mai mare și mai diversă, poveștile promovate pot reflecta mai bine interesul mediu al membrilor comunității.

Wikipedia este o altă aplicație de filtrare colaborativă. Voluntarii contribuie la enciclopedie prin filtrarea faptelor din falsități.

Un alt aspect al sistemelor de filtrare colaborativă este abilitatea de a genera recomandări mai personalizate prin analiza informațiilor din activitatea anterioară a unui anumit utilizator sau din istoricul altor utilizatori considerați a avea un gust similar cu un anumit utilizator. Aceste resurse sunt utilizate ca profil de utilizator și ajută site-ul să recomande conținut de la utilizator la utilizator. Cu cât un anumit utilizator folosește sistemul, cu atât recomandările devin mai bune, deoarece sistemul câștigă date pentru a-și îmbunătăți modelul de utilizator respectiv.

Probleme

Un sistem de filtrare colaborativă nu reușește neapărat să potrivească automat conținutul cu preferințele cuiva. Cu excepția cazului în care platforma atinge o diversitate neobișnuit de bună și independența opiniilor, un punct de vedere va domina întotdeauna altul într-o anumită comunitate. La fel ca în scenariul de recomandare personalizată, introducerea de noi utilizatori sau elemente noi poate provoca problema pornirii la rece , deoarece vor exista date insuficiente despre aceste noi intrări pentru ca filtrarea colaborativă să funcționeze cu precizie. Pentru a face recomandări adecvate pentru un utilizator nou, sistemul trebuie să învețe mai întâi preferințele utilizatorului prin analiza activităților de votare anterioare sau de evaluare. Sistemul de filtrare colaborativă necesită un număr substanțial de utilizatori pentru a evalua un articol nou înainte ca acel articol să poată fi recomandat.

Provocări

Raritatea datelor

În practică, multe sisteme de recomandare comercială se bazează pe seturi de date mari. Ca rezultat, matricea de element de utilizator utilizată pentru filtrarea colaborativă ar putea fi extrem de mare și rară, ceea ce aduce provocări în îndeplinirea recomandării.

O problemă tipică cauzată de raritatea datelor este problema pornirii la rece . Deoarece metodele de filtrare colaborativă recomandă elemente bazate pe preferințele anterioare ale utilizatorilor, noii utilizatori vor trebui să evalueze un număr suficient de articole pentru a permite sistemului să capteze cu precizie preferințele lor și astfel oferă recomandări fiabile.

În mod similar, articolele noi au, de asemenea, aceeași problemă. Când elementele noi sunt adăugate la sistem, acestea trebuie să fie evaluate de un număr substanțial de utilizatori înainte de a putea fi recomandate utilizatorilor care au gusturi similare cu cei care le-au evaluat. Noua problemă de articol nu afectează recomandările bazate pe conținut , deoarece recomandarea unui articol se bazează mai degrabă pe setul său discret de calități descriptive decât pe evaluările sale.

Scalabilitate

Pe măsură ce numărul de utilizatori și articole crește, algoritmii CF tradiționali vor suferi probleme grave de scalabilitate. De exemplu, cu zeci de milioane de clienți și milioane de articole , un algoritm CF cu complexitatea lui este deja prea mare. De asemenea, multe sisteme trebuie să reacționeze imediat la cerințele online și să facă recomandări pentru toți utilizatorii, indiferent de milioanele lor de utilizatori, majoritatea calculelor având loc pe aparate de memorie foarte mari. ${\ displaystyle O (M)}$${\ displaystyle O (N)}$${\ displaystyle n}$

Sinonime

Sinonimele se referă la tendința unui număr de articole identice sau foarte asemănătoare de a avea nume sau intrări diferite. Majoritatea sistemelor de recomandare nu sunt în măsură să descopere această asociere latentă și tratează astfel aceste produse diferit.

De exemplu, articolele aparent diferite „film pentru copii” și „film pentru copii” se referă de fapt la același articol. Într-adevăr, gradul de variabilitate în utilizarea termenului descriptiv este mai mare decât se suspectează frecvent. Prevalența sinonimelor scade performanța recomandată a sistemelor CF. Modelarea subiectelor (cum ar fi tehnica Latent Dirichlet Allocation ) ar putea rezolva acest lucru prin gruparea diferitelor cuvinte aparținând aceluiași subiect.

Oile gri

Oaia cenușie se referă la utilizatorii ale căror opinii nu sunt de acord sau nu sunt de acord cu niciun grup de oameni și, prin urmare, nu beneficiază de filtrarea colaborativă. Oile negre sunt un grup ale cărui gusturi idiosincrazice fac recomandările aproape imposibile. Deși acesta este un eșec al sistemului de recomandare, recomandătorii non-electronici au, de asemenea, mari probleme în aceste cazuri, astfel încât să ai oile negre este un eșec acceptabil.

Atacuri de șiling

Într-un sistem de recomandări în care toată lumea poate acorda ratinguri, oamenii pot acorda multe ratinguri pozitive pentru propriile lor articole și ratinguri negative pentru concurenții lor. Este adesea necesar ca sistemele de filtrare colaborativă să introducă măsuri de precauție pentru a descuraja astfel de manipulări.

Diversitatea și coada lungă

Se așteaptă ca filtrele colaborative să crească diversitatea, deoarece ne ajută să descoperim produse noi. Unii algoritmi, cu toate acestea, pot face neintenționat contrariul. Deoarece filtrele colaborative recomandă produse bazate pe vânzări sau evaluări anterioare, de obicei nu pot recomanda produse cu date istorice limitate. Acest lucru poate crea un efect de îmbogățire pentru produsele populare, asemănător cu feedback-ul pozitiv . Această tendință spre popularitate poate împiedica ceea ce altfel sunt potriviri mai bune pentru produsele de consum. Un studiu Wharton detaliază acest fenomen împreună cu mai multe idei care pot promova diversitatea și „ coada lungă ”. S-au dezvoltat mai mulți algoritmi de filtrare colaborativă pentru a promova diversitatea și „ coada lungă ” prin recomandarea unor articole noi, neașteptate și serendipite.

Inovații

• Au fost dezvoltați noi algoritmi pentru CF ca urmare a premiului Netflix .
• Filtrare colaborativă inter-sistem în care profilurile utilizatorilor din mai multe sisteme de recomandare sunt combinate într-o manieră multitask; în acest fel, partajarea modelelor de preferință se realizează între modele ..
• Filtrare colaborativă robustă , unde recomandarea este stabilă în ceea ce privește eforturile de manipulare. Această zonă de cercetare este încă activă și nu este complet rezolvată.

Informații auxiliare

Matricea utilizator-element este o bază de bază a tehnicilor tradiționale de filtrare colaborativă și suferă de o problemă de raritate a datelor (adică pornirea la rece ). În consecință, cu excepția matricei de elemente de utilizator, cercetătorii încearcă să adune mai multe informații auxiliare pentru a spori performanța recomandărilor și a dezvolta sisteme de recomandare personalizate. În general, există două informații auxiliare populare: informații despre atribute și informații despre interacțiuni. Informațiile despre atribute descriu proprietățile unui utilizator sau ale unui articol. De exemplu, atributul utilizatorului poate include profilul general (de exemplu, sexul și vârsta) și contactele sociale (de exemplu, adepții sau prietenii din rețelele sociale ); Atributul articolului înseamnă proprietăți precum categorie, marcă sau conținut. În plus, informațiile de interacțiune se referă la datele implicite care arată modul în care utilizatorii interacționează cu elementul. Informațiile de interacțiune utilizate pe scară largă conțin etichete, comentarii sau recenzii și istoricul navigării etc. Informațiile auxiliare joacă un rol semnificativ într-o varietate de aspecte. Legăturile sociale explicite, ca reprezentant de încredere al încrederii sau prieteniei, sunt întotdeauna utilizate în calculul similarității pentru a găsi persoane similare care împărtășesc interesul cu utilizatorul țintă. Informațiile asociate interacțiunii - etichete - sunt luate ca a treia dimensiune (în plus față de utilizator și articol) în filtrarea colaborativă avansată pentru a construi o structură tensorială tridimensională pentru explorarea recomandării.

Vezi si

Referințe

linkuri externe

• Dincolo de sistemele de recomandare: Ajutarea oamenilor să se ajute reciproc , pagina 12, 2001
• Sisteme de recomandare. Prem Melville și Vikas Sindhwani. În Enciclopedia învățării automate, Claude Sammut și Geoffrey Webb (Eds), Springer, 2010.
• Sisteme de recomandare în contexte industriale - teză de doctorat (2012), care include o imagine de ansamblu cuprinzătoare asupra multor sisteme de recomandare colaborativă
• Spre următoarea generație de sisteme de recomandare: un studiu al stadiului tehnicii și al posibilelor extensii . Adomavicius, G. și Tuzhilin, A. IEEE Tranzacții privind cunoașterea și ingineria datelor 06.2005
• Evaluarea sistemelor de recomandare de filtrare colaborativă ( DOI : 10.1145 / 963770.963772 )
• Lucrări de cercetare GroupLens .
• Filtrare colaborativă stimulată de conținut pentru recomandări îmbunătățite. Prem Melville, Raymond J. Mooney și Ramadass Nagarajan. Proceedings of the A 18th Opt National Conference on Artificial Intelligence (AAAI-2002), pp. 187–192, Edmonton, Canada, iulie 2002.
• O colecție de proiecte de „filtrare a informațiilor” din trecut și prezent (inclusiv filtrarea colaborativă) la MIT Media Lab
• Eigentaste: un algoritm de filtrare colaborativă în timp constant. Ken Goldberg, Theresa Roeder, Dhruv Gupta și Chris Perkins. Recuperarea informațiilor, 4 (2), 133-151. Iulie 2001.
• Un sondaj al tehnicilor de filtrare colaborativă Su, Xiaoyuan și Khoshgortaar, Taghi. M
• Personalizare Google News: Filtrare colaborativă online scalabilă pe Abhinandan Das, Mayur Datar, Ashutosh Garg și Shyam Rajaram. Conferința internațională World Wide Web, Lucrările celei de-a 16-a conferințe internaționale despre World Wide Web
• Factor în vecini: filtrare colaborativă scalabilă și precisă Yehuda Koren, Tranzacții privind descoperirea cunoștințelor din date (TKDD) (2009)
• Predicția evaluării folosind filtrarea colaborativă
• Sisteme de recomandare
• Filtrare colaborativă Berkeley