Sistemas de recomendación: ¿Cuál es la diferencia entre el filtrado colaborativo de elemento a elemento y el filtrado basado en contenido?


Respuesta 1:

En el filtro colaborativo de elementos del elemento 2, se comparan los elementos según las opiniones de los usuarios. Si su matriz de utilidad tiene n usuarios por m elementos, compare los vectores de columna de esta matriz.

En la recomendación basada en el contenido, compara elementos según sus características para películas, como título, género, fecha de lanzamiento, director, productores, estudio, etc.


Respuesta 2:

El filtrado basado en contenido utiliza características (metadatos) del producto que le gustó a un usuario y los rasgos de personalidad del usuario para hacer recomendaciones. Por otro lado, en la CF de artículo a artículo solo se considera el "sabor" general. Esto significa que usted calcula una calificación tentativa sobre los elementos que el usuario aún no ha calificado mediante la descomposición de la matriz de calificación inicial escasamente poblada descomponiéndola en matrices de usuario e ítems provisionales usando alguna forma modificada de SVD y construyendo una matriz de calificación tentativa. Ahora, selecciona el n superior de este o de un usuario similar.


Respuesta 3:

En términos simples, la colaboración basada en artículos trata con las otras acciones del usuario en el artículo que está viendo o comprando. Este tipo de filtrado ocurre generalmente simultáneamente y los atributos del producto no tienen la importancia de recomendar. Por ejemplo, estoy comprando un ventilador de techo y luego el sistema comienza a recomendarme comprar una luz (esto se debe a que muchas personas que compran ventiladores de techo también están comprando luces y no porque la luz y el ventilador de techo estén relacionados, esta información generalmente se extrae de la transcripción de los usuarios)

Mientras que cuando hablamos de filtrado basado en contenido, generalmente los atributos predefinidos de los productos coinciden y se recomendarán productos similares. Por ejemplo, cuando un usuario compra una cámara Cannon D450, el sistema comienza a recomendar lentes, otro modelo de cámara similar (Estas recomendaciones se basan en el hecho de que solo aquellos productos relacionados con el elemento principal en algunos atributos como modelo o lente compatible, etc., y también estos detalles sobre el producto se toman de los datos almacenados)


Respuesta 4:

En términos simples, la colaboración basada en artículos trata con las otras acciones del usuario en el artículo que está viendo o comprando. Este tipo de filtrado ocurre generalmente simultáneamente y los atributos del producto no tienen la importancia de recomendar. Por ejemplo, estoy comprando un ventilador de techo y luego el sistema comienza a recomendarme comprar una luz (esto se debe a que muchas personas que compran ventiladores de techo también están comprando luces y no porque la luz y el ventilador de techo estén relacionados, esta información generalmente se extrae de la transcripción de los usuarios)

Mientras que cuando hablamos de filtrado basado en contenido, generalmente los atributos predefinidos de los productos coinciden y se recomendarán productos similares. Por ejemplo, cuando un usuario compra una cámara Cannon D450, el sistema comienza a recomendar lentes, otro modelo de cámara similar (Estas recomendaciones se basan en el hecho de que solo aquellos productos relacionados con el elemento principal en algunos atributos como modelo o lente compatible, etc., y también estos detalles sobre el producto se toman de los datos almacenados)