协同过滤(英语:Collaborative Filtering)
来源:互联网 发布:亲和素淘宝店 编辑:程序博客网 时间:2024/05/22 03:52
简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐使用者感兴趣的资讯,个人透过合作的机制给予资讯相当程度的回应(如评分)并记录下来以达到过滤的目的进而帮助别人筛选资讯,回应不一定局限于特别感兴趣的,特别不感兴趣资讯的纪录也相当重要。协同过滤又可分为评比(rating)或者群体过滤(social filtering)。其后成为电子商务当中很重要的一环,即根据某顾客以往的购买行为以及从具有相似购买行为的顾客群的购买行为去推荐这个顾客其“可能喜欢的品项”,也就是借由社群的喜好提供个人化的资讯、商品等的推荐服务。除了推荐之外,近年来也发展出数学运算让系统自动计算喜好的强弱进而去芜存菁使得过滤的内容更有依据,也许不是百分之百完全准确,但由于加入了强弱的评比让这个概念的应用更为广泛,除了电子商务之外尚有资讯检索领域、网络个人影音柜、个人书架等的应用等。
优点
以使用者的角度来推荐的协同过滤系统有下列优点:
- 能够过滤机器难以自动内容分析的资讯,如艺术品,音乐等。
- 共用其他人的经验,避免了内容分析的不完全或不精确,并且能够基于一些复杂的,难以表述的概念(如资讯品质、个人品味)进行过滤。
- 有推荐新资讯的能力。可以发现内容上完全不相似的资讯,使用者对推荐资讯的内容事先是预料不到的。可以发现使用者潜在的但自己尚未发现的兴趣偏好。
- 推荐个性化、自动化程度高。能够有效的利用其他相似使用者的回馈资讯。加快个性化学习的速度。
缺点
虽然协同过滤作为一推荐机制有其相当的应用,但协同过滤仍有许多的问题需要解决。整体而言,最典型的问题有
- 新使用者问题(New User Problem) 系统开始时推荐品质较差
- 新项目问题(New Item Problem) 品质取决于历史资料集
- 稀疏性问题(Sparsity)
- 系统延伸性问题(Scalability)。
- 协同过滤(英语:Collaborative Filtering)
- Collaborative filtering 协同过滤
- 协同过滤Collaborative Filtering
- collaborative filtering (CF):协同过滤
- collaborative filtering (CF):协同过滤
- Collaborative filtering 协同过滤算法 Slope One
- Collaborative Filtering协同过滤推荐算法
- 协同过滤 之 User-based Collaborative Filtering
- 推荐系统:协同过滤 之 Item-based Collaborative Filtering
- 推荐系统:协同过滤 之 Item-based Collaborative Filtering
- Slope One :简单高效的协同过滤算法(Collaborative Filtering)
- Mahout协同过滤算法源码分析--Itembased Collaborative Filtering实战
- 数据挖据-协同过滤算法 (collaborative-filtering, CF)
- 基于用户的协同过滤(user-based collaborative filtering)
- 基于物品的协同过滤(item-based collaborative filtering)
- Collaborative Filtering 协同过滤小结 part-2:SVD
- Collaborative Filtering 协同过滤小结 part-1:CF背景
- 基于物品的协同过滤推荐算法——读“Item-Based Collaborative Filtering Recommendation Algorithms”
- 十大迷你iPhone天气应用
- 关于提供CSS渲染速度的一些小技巧
- IOS 面试汇总一
- awk 处理android dimen.xml ,将dp等比缩放
- QT 5使用QNetworkAccessManager类遇到的问题
- 协同过滤(英语:Collaborative Filtering)
- jquery + json 操作
- G级超大文件 断点续传 上传控件 silverupload 支持md5验证 支持跨域上传
- 黑马程序员 java高新技术笔记之反射
- 服务器备份与还原脚本
- 一步一步将你的C#程序部署到Android
- 黑马程序员 java高新技术笔记之装箱与拆箱,枚举
- php中的Sessions详解
- hdu 2665 Kth number