Collaborative filtering
http://dbpedia.org/resource/Collaborative_filtering an entity of type: Thing
Podem definir el filtre col·laboratiu com la sinergia que es duu a terme entre individus o grups d'individus que, mitjançant una dinàmica de treball adequada, assoleixen millor uns objectius determinats, que possiblement no haurien assolit per separat, o bé que ho fan optimitzant més els propis recursos. El sistema de recomanació basat en algorismes de filtrat col·laboratiu utilitza les valoracions dels usuaris sobre certs elements del conjunt total per predir valoracions en la resta dels elements i recomanar els de major valoració predita.
rdf:langString
Beim kollaborativen Filtern (collaborative filtering) werden Verhaltensmuster von Benutzergruppen ausgewertet, um auf die Interessen Einzelner zu schließen. Dabei handelt es sich um eine Form des Data-Mining, die eine explizite Nutzereingabe überflüssig macht.
rdf:langString
Le filtrage collaboratif (de l’anglais : collaborative filtering) regroupe l'ensemble des méthodes qui visent à construire des systèmes de recommandation utilisant les opinions et évaluations d'un groupe pour aider l'individu. Il existe trois principaux axes de recherche dans ce domaine, dépendant chacun des données recueillies sur les utilisateurs du système :
* le filtrage collaboratif actif ;
* le filtrage collaboratif passif ;
* le filtrage basé sur le contenu.
rdf:langString
협업 필터링(collaborative filtering)은 많은 사용자들로부터 얻은 기호정보(taste information)에 따라 사용자들의 관심사들을 자동적으로 예측하게 해주는 방법이다. 협력 필터링 접근법의 근본적인 가정은 사용자들의 과거의 경향이 미래에서도 그대로 유지 될 것이라는 전제에 있다. 예를 들어, 음악에 관한 협력 필터링 혹은 추천시스템(recommendation system)은 사용자들의 기호(좋음, 싫음)에 대한 부분적인 목록(partial list)을 이용하여 그 사용자의 음악에 대한 기호를 예측하게 된다. 이 시스템은 특정 사용자의 정보에만 국한 된 것이 아니라 많은 사용자들로부터 수집한 정보를 사용한다는 것이 특징이다. 이것이 단순히 투표를 한 수를 기반으로 각 아이템의 관심사에 대한 평균적인 평가로 처리하는 방법과 차별화 된 것이다. 즉 고객들의 선호도와 관심 표현을 바탕으로 선호도, 관심에서 비슷한 패턴을 가진 고객들을 식별해 내는 기법이다. 비슷한 취향을 가진 고객들에게 서로 아직 구매하지 않은 상품들은 교차 추천하거나 분류된 고객의 취향이나 생활 형태에 따라 관련 상품을 추천하는 형태의 서비스를 제공하기 위해 사용된다.
rdf:langString
Filtragem colaborativa (FC) é uma técnica utilizada por alguns sistemas de recomendação.
rdf:langString
Kollaborativ filtrering (engelska: collaborative filtering) är en metod för filtrering av data som samlats in från olika användare, vilken används av rekommendationssystem. Grundtanken bakom metoden är att om många användare interagerar med två specifika datapunkter: A respektive B, är det ett rimligt antagande att en annan användare - som också interagerar med datapunkt A - även kommer vilja interagera med datapunkt B. Metoden fungerar generellt bäst på data som samlats in från stora användargrupper, eftersom det ger de underliggande algoritmerna en större datamängd att basera filtreringen på.
rdf:langString
協同過濾（collaborative filtering）是一种在推荐系统中广泛使用的技术。该技术通过分析用户或者事物之间的相似性（“协同”），來预测用户可能感興趣的内容并将此内容推荐给用户。这里的相似性可以是（性别、年龄、居住地等）的相似性，也可以是历史浏览内容的相似性（比如都关注过和中餐相关的内容），还可以是個人通过一定機制給予某个事物的回應（比如一些教学网站会让用户对授课人进行评分）。比如，用户A和B都是居住在北京的年龄在20-30岁的女性，并且都关注过化妆品和衣物相关的内容。这种情况下，协同过滤可能会认为，A和B相似程度很高。于是可能会把A关注B没有关注的内容推荐给B，反之亦然。
rdf:langString
التصفية التعاونية (Collaborative filtering) (CF) هي تقنية تستخدمها أنظمة التوصية. التصفية التعاونية لها حواسان ، إحساس ضيق وواحد أكثر عمومية. بالمعنى الأحدث والأضيق ، فإن التصفية التعاونية هي طريقة لعمل تنبؤات تلقائية (تصفية) حول اهتمامات المستخدم من خلال جمع التفضيلات أو تذوق المعلومات من العديد من المستخدمين (التعاون). الافتراض الأساسي لنهج التصفية التعاونية هو أنه إذا كان لدى الشخص أ نفس رأي الشخص ب في قضية ما ، فمن المرجح أن يكون لدى أ رأي ب في مسألة مختلفة عن رأي شخص تم اختياره عشوائيًا. على سبيل المثال ، يمكن لنظام توصيات التصفية التعاونية لأذواق التلفزيون أن يقوم بتنبؤات حول البرنامج التلفزيوني الذي يجب على المستخدم أن يعطيه قائمة جزئية بأذواق ذلك المستخدم (الإعجابات أو الأشياء التي لا تعجبه). [3] لاحظ أن هذه التنبؤات خاصة بالمستخدم ، ولكن استخدم المعلومات المستقاة من العديد من المس
rdf:langString
Collaborative filtering (CF) is a technique used by recommender systems. Collaborative filtering has two senses, a narrow one and a more general one. In the newer, narrower sense, collaborative filtering is a method of making automatic predictions (filtering) about the interests of a user by collecting preferences or taste information from many users (collaborating). The underlying assumption of the collaborative filtering approach is that if a person A has the same opinion as a person B on an issue, A is more likely to have B's opinion on a different issue than that of a randomly chosen person. For example, a collaborative filtering recommendation system for preferences in television programming could make predictions about which television show a user should like given a partial list of
rdf:langString
El Filtrado colaborativo (FC) es una técnica utilizada por algunos sistemas recomendadores. En general, el filtrado colaborativo es el proceso de filtrado de información o modelos, que usa técnicas que implican la colaboración entre múltiples agentes, fuentes de datos, etc. Las aplicaciones del filtrado colaborativo suelen incluir conjuntos de datos muy grandes. Los métodos de filtrado colaborativo se han aplicado a muchos tipos de datos, incluyendo la detección y control de datos (como en la exploración mineral, sensores ambientales en áreas grandes o sensores múltiples, datos financieros) tales como instituciones de servicios financieros que integran diversas fuentes financieras, o en formato de comercio electrónico y aplicaciones web 2.0 donde el foco está en los datos del usuario, etc
rdf:langString
Per collaborative filtering (inglese per "filtraggio collaborativo", spesso abbreviato con le lettere "CF") si intende una classe di strumenti e meccanismi che consentono il recupero di informazioni predittive relativamente agli interessi di un insieme dato di utenti a partire da una massa ampia e tuttavia indifferenziata di conoscenza. Il collaborative filtering è molto usato nell'ambito dei sistemi di raccomandazione. Una categoria molto nota di algoritmi di tipo collaborativo è la matrix factorization.
rdf:langString
協調フィルタリング（きょうちょうフィルタリング、Collaborative Filtering、CF）は、多くのユーザの嗜好情報を蓄積し、あるユーザと嗜好の類似した他のユーザの情報を用いて自動的に推論を行う方法論である。趣味の似た人からの意見を参考にするという口コミの原理に例えられることが多い。 例えば、ユーザAがアイテムXを好むとすると、アイテムXを好む別のユーザBが好むアイテムYを探し出し、ユーザAもアイテムYを好むのではないか、という推論をコンピュータによって自動的に行う。実装にはユーザ同士の類似度を、同じアイテムにつけた評価の相関係数などによって表して類推に利用することが多い。 協調フィルタリングはリコメンデーション（推薦）やパーソナライゼーションに利用されている。実際にAmazon.comの「おすすめの商品」や、はてなアンテナの「おとなりアンテナ」などに応用されており、Web 2.0においてロングテールを支える要素技術として捉えることができる。 協調フィルタリングにはユーザの評価付けによる明示的なものと、システムの操作履歴（例えばブラウザの閲覧履歴）などを利用した暗黙的なものがある。
rdf:langString
Коллаборативная фильтрация, совместная фильтрация (англ. collaborative filtering) — это один из методов построения прогнозов (рекомендаций) в рекомендательных системах, использующий известные предпочтения (оценки) группы пользователей для прогнозирования неизвестных предпочтений другого пользователя. Его основное допущение состоит в следующем: те, кто одинаково оценивал какие-либо предметы в прошлом, склонны давать похожие оценки другим предметам и в будущем. Например, с помощью коллаборативной фильтрации музыкальное приложение способно прогнозировать, какая музыка понравится пользователю, имея неполный список его предпочтений (симпатий и антипатий). Прогнозы составляются индивидуально для каждого пользователя, хотя используемая информация собрана от многих участников. Тем самым коллаборат
rdf:langString
Колаборативна фільтрація, спільна фільтрація (англ. collaborative filtering) (КФ) — метод, який використовується деякими рекомендаційними системами. Колаборативна фільтрація має два значення: вузьке і більш загальне. В цілому, колаборативна фільтрація — процес фільтрації інформації або зразків за допомогою методів за участю співробітництва між декількома агентами, точками зору, джерелами даних і т. д. Застосування колаборативної фільтрації, як правило, пов'язане з дуже великими наборами даних. Колаборативні методи фільтрації були застосовані до різних видів даних, зокрема до таких як зондування та моніторинг даних, які виникають при розвідці корисних копалин на великих площах; до фінансових даних, таких як установи фінансових послуг, які об'єднують багато фінансових джерел; або в електронн
rdf:langString
rdf:langString
تصفية تشاركية
rdf:langString
Filtre col·laboratiu
rdf:langString
Kollaboratives Filtern
rdf:langString
Filtrado colaborativo
rdf:langString
Collaborative filtering
rdf:langString
Filtrage collaboratif
rdf:langString
Collaborative filtering
rdf:langString
협업 필터링
rdf:langString
協調フィルタリング
rdf:langString
Filtragem colaborativa
rdf:langString
Коллаборативная фильтрация
rdf:langString
Kollaborativ filtrering
rdf:langString
協同過濾
rdf:langString
Колаборативна фільтрація
xsd:integer
480289
xsd:integer
1092795851
rdf:langString
medic
rdf:langString
May 2020
rdf:langString
التصفية التعاونية (Collaborative filtering) (CF) هي تقنية تستخدمها أنظمة التوصية. التصفية التعاونية لها حواسان ، إحساس ضيق وواحد أكثر عمومية. بالمعنى الأحدث والأضيق ، فإن التصفية التعاونية هي طريقة لعمل تنبؤات تلقائية (تصفية) حول اهتمامات المستخدم من خلال جمع التفضيلات أو تذوق المعلومات من العديد من المستخدمين (التعاون). الافتراض الأساسي لنهج التصفية التعاونية هو أنه إذا كان لدى الشخص أ نفس رأي الشخص ب في قضية ما ، فمن المرجح أن يكون لدى أ رأي ب في مسألة مختلفة عن رأي شخص تم اختياره عشوائيًا. على سبيل المثال ، يمكن لنظام توصيات التصفية التعاونية لأذواق التلفزيون أن يقوم بتنبؤات حول البرنامج التلفزيوني الذي يجب على المستخدم أن يعطيه قائمة جزئية بأذواق ذلك المستخدم (الإعجابات أو الأشياء التي لا تعجبه). [3] لاحظ أن هذه التنبؤات خاصة بالمستخدم ، ولكن استخدم المعلومات المستقاة من العديد من المستخدمين. هذا يختلف عن النهج الأبسط المتمثل في إعطاء متوسط (غير محدد) لكل عنصر موضع اهتمام ، على سبيل المثال بناءً على عدد الأصوات. بمعنى أعم ، التصفية التعاونية هي عملية التصفية للحصول على المعلومات أو الأنماط باستخدام التقنيات التي تنطوي على التعاون بين عدة وكلاء ، وجهات نظر ، مصادر البيانات ، إلخ. تتضمن تطبيقات التصفية التعاونية عادة مجموعات بيانات كبيرة جدًا. تم تطبيق أساليب التصفية التعاونية على العديد من أنواع البيانات المختلفة بما في ذلك: بيانات الاستشعار والمراقبة ، كما هو الحال في استكشاف المعادن ، والاستشعار البيئي في مناطق واسعة أو أجهزة استشعار متعددة ؛ البيانات المالية ، مثل مؤسسات الخدمات المالية التي تدمج العديد من المصادر المالية ؛ أو في التجارة الإلكترونية وتطبيقات الويب حيث ينصب التركيز على بيانات المستخدم ، إلخ. يركز الجزء المتبقي من هذه المناقشة على التصفية التعاونية لبيانات المستخدم ، على الرغم من أن بعض الأساليب والأساليب قد تنطبق على التطبيقات الرئيسية الأخرى أيضًا.
rdf:langString
Podem definir el filtre col·laboratiu com la sinergia que es duu a terme entre individus o grups d'individus que, mitjançant una dinàmica de treball adequada, assoleixen millor uns objectius determinats, que possiblement no haurien assolit per separat, o bé que ho fan optimitzant més els propis recursos. El sistema de recomanació basat en algorismes de filtrat col·laboratiu utilitza les valoracions dels usuaris sobre certs elements del conjunt total per predir valoracions en la resta dels elements i recomanar els de major valoració predita.
rdf:langString
Collaborative filtering (CF) is a technique used by recommender systems. Collaborative filtering has two senses, a narrow one and a more general one. In the newer, narrower sense, collaborative filtering is a method of making automatic predictions (filtering) about the interests of a user by collecting preferences or taste information from many users (collaborating). The underlying assumption of the collaborative filtering approach is that if a person A has the same opinion as a person B on an issue, A is more likely to have B's opinion on a different issue than that of a randomly chosen person. For example, a collaborative filtering recommendation system for preferences in television programming could make predictions about which television show a user should like given a partial list of that user's tastes (likes or dislikes). Note that these predictions are specific to the user, but use information gleaned from many users. This differs from the simpler approach of giving an average (non-specific) score for each item of interest, for example based on its number of votes. In the more general sense, collaborative filtering is the process of filtering for information or patterns using techniques involving collaboration among multiple agents, viewpoints, data sources, etc. Applications of collaborative filtering typically involve very large data sets. Collaborative filtering methods have been applied to many different kinds of data including: sensing and monitoring data, such as in mineral exploration, environmental sensing over large areas or multiple sensors; financial data, such as financial service institutions that integrate many financial sources; or in electronic commerce and web applications where the focus is on user data, etc. The remainder of this discussion focuses on collaborative filtering for user data, although some of the methods and approaches may apply to the other major applications as well.
rdf:langString
El Filtrado colaborativo (FC) es una técnica utilizada por algunos sistemas recomendadores. En general, el filtrado colaborativo es el proceso de filtrado de información o modelos, que usa técnicas que implican la colaboración entre múltiples agentes, fuentes de datos, etc. Las aplicaciones del filtrado colaborativo suelen incluir conjuntos de datos muy grandes. Los métodos de filtrado colaborativo se han aplicado a muchos tipos de datos, incluyendo la detección y control de datos (como en la exploración mineral, sensores ambientales en áreas grandes o sensores múltiples, datos financieros) tales como instituciones de servicios financieros que integran diversas fuentes financieras, o en formato de comercio electrónico y aplicaciones web 2.0 donde el foco está en los datos del usuario, etc. Esta discusión se centra en el filtrado colaborativo para datos de usuario, aunque algunos de los métodos y enfoques pueden aplicarse a otras aplicaciones. En el enfoque más reciente, el filtrado colaborativo es un método para hacer predicciones automáticas (filtrado) sobre los intereses de un usuario mediante la recopilación de las preferencias o gustos de información de muchos usuarios (colaborador). El Filtrado colaborativo se basa, en que si una persona A tiene la misma opinión que una persona B sobre un tema, A es más probable que tenga la misma opinión que B en otro tema diferente que la opinión que tendría una persona elegida azar. Por ejemplo, un sistema de recomendación basado en el filtrado colaborativo para televisión podría hacer predicciones acerca de los programas que le gustarían a un usuario a partir de una lista parcial de los gustos de ese usuario (gustos o disgustos). Nótese que estas predicciones son específicas para el usuario, pero utilizan la información obtenida de muchos usuarios. Esto difiere del enfoque más simple de otorgarle una puntuación promedio (poco específico) para cada elemento de interés, por ejemplo sobre la base de su número de votos.
rdf:langString
Beim kollaborativen Filtern (collaborative filtering) werden Verhaltensmuster von Benutzergruppen ausgewertet, um auf die Interessen Einzelner zu schließen. Dabei handelt es sich um eine Form des Data-Mining, die eine explizite Nutzereingabe überflüssig macht.
rdf:langString
Le filtrage collaboratif (de l’anglais : collaborative filtering) regroupe l'ensemble des méthodes qui visent à construire des systèmes de recommandation utilisant les opinions et évaluations d'un groupe pour aider l'individu. Il existe trois principaux axes de recherche dans ce domaine, dépendant chacun des données recueillies sur les utilisateurs du système :
* le filtrage collaboratif actif ;
* le filtrage collaboratif passif ;
* le filtrage basé sur le contenu.
rdf:langString
협업 필터링(collaborative filtering)은 많은 사용자들로부터 얻은 기호정보(taste information)에 따라 사용자들의 관심사들을 자동적으로 예측하게 해주는 방법이다. 협력 필터링 접근법의 근본적인 가정은 사용자들의 과거의 경향이 미래에서도 그대로 유지 될 것이라는 전제에 있다. 예를 들어, 음악에 관한 협력 필터링 혹은 추천시스템(recommendation system)은 사용자들의 기호(좋음, 싫음)에 대한 부분적인 목록(partial list)을 이용하여 그 사용자의 음악에 대한 기호를 예측하게 된다. 이 시스템은 특정 사용자의 정보에만 국한 된 것이 아니라 많은 사용자들로부터 수집한 정보를 사용한다는 것이 특징이다. 이것이 단순히 투표를 한 수를 기반으로 각 아이템의 관심사에 대한 평균적인 평가로 처리하는 방법과 차별화 된 것이다. 즉 고객들의 선호도와 관심 표현을 바탕으로 선호도, 관심에서 비슷한 패턴을 가진 고객들을 식별해 내는 기법이다. 비슷한 취향을 가진 고객들에게 서로 아직 구매하지 않은 상품들은 교차 추천하거나 분류된 고객의 취향이나 생활 형태에 따라 관련 상품을 추천하는 형태의 서비스를 제공하기 위해 사용된다.
rdf:langString
Per collaborative filtering (inglese per "filtraggio collaborativo", spesso abbreviato con le lettere "CF") si intende una classe di strumenti e meccanismi che consentono il recupero di informazioni predittive relativamente agli interessi di un insieme dato di utenti a partire da una massa ampia e tuttavia indifferenziata di conoscenza. Il collaborative filtering è molto usato nell'ambito dei sistemi di raccomandazione. Una categoria molto nota di algoritmi di tipo collaborativo è la matrix factorization. L'assunzione fondamentale dietro il concetto di collaborative filtering è che ogni singolo utente che ha mostrato un certo insieme di preferenze continuerà a mostrarle in futuro. Un esempio popolare di collaborative filtering può essere un sistema di suggerimento dei generi e pezzi musicali a partire da un insieme di conoscenza di base dei gusti e delle preferenze di un dato utente. Da notare che, sebbene tali informazioni siano referenti a un singolo utente, esse derivano dalla conoscenza elaborata su tutto l'arco dell'insieme degli utenti del sistema. Poiché il collaborative filtering si basa su passate interazioni tra utenti e item è soggetto al problema del cold start. Quando un nuovo item o utente è aggiunto, esso non è associato a nessuna interazione, pertanto un algoritmo collaborativo puro non sarà in grado di gestirlo. Il concetto di collaborative filtering è stato introdotto nel 1992 dallo staff di ricerca Xerox nell'ambito del progetto Tapestry, un sistema che consentiva agli utenti di rintracciare dei documenti basandosi su commenti lasciati da altri utenti. Attualmente, sistemi di collaborative filtering sono molto diffusi nell'ambito del web, in particolare in ambito commerciale e nei sistemi di social networking.
rdf:langString
協調フィルタリング（きょうちょうフィルタリング、Collaborative Filtering、CF）は、多くのユーザの嗜好情報を蓄積し、あるユーザと嗜好の類似した他のユーザの情報を用いて自動的に推論を行う方法論である。趣味の似た人からの意見を参考にするという口コミの原理に例えられることが多い。 例えば、ユーザAがアイテムXを好むとすると、アイテムXを好む別のユーザBが好むアイテムYを探し出し、ユーザAもアイテムYを好むのではないか、という推論をコンピュータによって自動的に行う。実装にはユーザ同士の類似度を、同じアイテムにつけた評価の相関係数などによって表して類推に利用することが多い。 協調フィルタリングはリコメンデーション（推薦）やパーソナライゼーションに利用されている。実際にAmazon.comの「おすすめの商品」や、はてなアンテナの「おとなりアンテナ」などに応用されており、Web 2.0においてロングテールを支える要素技術として捉えることができる。 協調フィルタリングにはユーザの評価付けによる明示的なものと、システムの操作履歴（例えばブラウザの閲覧履歴）などを利用した暗黙的なものがある。 推薦システムを実現するものとしては協調フィルタリング以外にもコンテンツベースの方法があるが、たとえば本であればユーザが好む本と同じ著者の本を推薦するなどというもので、コンテンツ自体が似ているかどうかを判別するための情報（ここでは著者の情報）が必要となる。協調フィルタリングはコンテンツが何であれ、ユーザによる評価が与えられれば利用できる。
rdf:langString
Filtragem colaborativa (FC) é uma técnica utilizada por alguns sistemas de recomendação.
rdf:langString
Kollaborativ filtrering (engelska: collaborative filtering) är en metod för filtrering av data som samlats in från olika användare, vilken används av rekommendationssystem. Grundtanken bakom metoden är att om många användare interagerar med två specifika datapunkter: A respektive B, är det ett rimligt antagande att en annan användare - som också interagerar med datapunkt A - även kommer vilja interagera med datapunkt B. Metoden fungerar generellt bäst på data som samlats in från stora användargrupper, eftersom det ger de underliggande algoritmerna en större datamängd att basera filtreringen på.
rdf:langString
Колаборативна фільтрація, спільна фільтрація (англ. collaborative filtering) (КФ) — метод, який використовується деякими рекомендаційними системами. Колаборативна фільтрація має два значення: вузьке і більш загальне. В цілому, колаборативна фільтрація — процес фільтрації інформації або зразків за допомогою методів за участю співробітництва між декількома агентами, точками зору, джерелами даних і т. д. Застосування колаборативної фільтрації, як правило, пов'язане з дуже великими наборами даних. Колаборативні методи фільтрації були застосовані до різних видів даних, зокрема до таких як зондування та моніторинг даних, які виникають при розвідці корисних копалин на великих площах; до фінансових даних, таких як установи фінансових послуг, які об'єднують багато фінансових джерел; або в електронній торгівлі та вебдодатках, що зосереджуються на даних користувача, і т. д. Решта цієї дискусії зосереджена на колаборативній фільтрації даних, призначених для користувача, хоча деякі з методів та підходів можуть застосовуватися так само і у багатьох інших випадках. У більш новому, вужчому значенні колаборативна фільтрація — це один з методів побудови прогнозу в рекомендаційних системах, який використовує відомі уподобання (оцінки) групи користувачів для прогнозування невідомих уподобань іншого користувача. Основне припущення колаборативної фільтрації полягає в наступному: ті, хто однаково оцінювали будь-які предмети в минулому, схильні давати схожі оцінки інших предметів і в майбутньому. Наприклад, за допомогою колаборативної фільтрації музичний додаток здатний прогнозувати, яка музика сподобається користувачеві, маючи неповний список його уподобань (симпатій та антипатій). Прогнози складаються індивідуально для кожного користувача, хоча інформація, що використовується, зібрана від багатьох учасників. Це відрізняє колаборативну фільтрацію від більш простого підходу, дає усереднену оцінку для кожного об'єкта інтересу, наприклад того, що базується на кількості поданих за нього голосів.Дослідження в даній області активно ведуться і в наш час, що зокрема обумовлюється наявністю невирішених проблем у методі колаборатівної фільтрації.
rdf:langString
Коллаборативная фильтрация, совместная фильтрация (англ. collaborative filtering) — это один из методов построения прогнозов (рекомендаций) в рекомендательных системах, использующий известные предпочтения (оценки) группы пользователей для прогнозирования неизвестных предпочтений другого пользователя. Его основное допущение состоит в следующем: те, кто одинаково оценивал какие-либо предметы в прошлом, склонны давать похожие оценки другим предметам и в будущем. Например, с помощью коллаборативной фильтрации музыкальное приложение способно прогнозировать, какая музыка понравится пользователю, имея неполный список его предпочтений (симпатий и антипатий). Прогнозы составляются индивидуально для каждого пользователя, хотя используемая информация собрана от многих участников. Тем самым коллаборативная фильтрация отличается от более простого подхода, дающего усреднённую оценку для каждого объекта интереса, к примеру, базирующуюся на количестве поданных за него голосов.Исследования в данной области активно ведутся и в наше время, что также обуславливается и наличием нерешённых проблем в коллаборативной фильтрации.
rdf:langString
協同過濾（collaborative filtering）是一种在推荐系统中广泛使用的技术。该技术通过分析用户或者事物之间的相似性（“协同”），來预测用户可能感興趣的内容并将此内容推荐给用户。这里的相似性可以是（性别、年龄、居住地等）的相似性，也可以是历史浏览内容的相似性（比如都关注过和中餐相关的内容），还可以是個人通过一定機制給予某个事物的回應（比如一些教学网站会让用户对授课人进行评分）。比如，用户A和B都是居住在北京的年龄在20-30岁的女性，并且都关注过化妆品和衣物相关的内容。这种情况下，协同过滤可能会认为，A和B相似程度很高。于是可能会把A关注B没有关注的内容推荐给B，反之亦然。
xsd:nonNegativeInteger
39386
