Sistemas de recomendação

Filtragem Colaborativa

Filtragem baseada em conteúdo

Filtragem híbrida

É uma junção dos outros dois tipos de filtragens

Filtragem baseada em modelo

Filtragem baseada em memória

Baseado no usuário

Baseado em itens

Requer que usuários expressem sua opinião sobre produtos e itens

Baseada na opinião ou experiência que outros usuários tiveram no passado sobre algo e usado para novos usuários que ainda não tiveram essa experiência.

Aqueles que possuem a mesma opinião são contribuintes.

Prediz o comportamento do usuário contra erros usando a soma ponderada dos desvios para a média das avalizações de usuários que previamente avaliaram itens ou produtos

Calcula a semelhança entre usuários comparando as classificações sobre um item em comum

Correlação de Pearson

É um caminho/ uma maneira para encontrar usuários semelhantes, encontrando medidas de similaridade.

Realiza predições calculando similaridade itens e não entre usuários

Ele cria um modelo de itens semelhantes recuperando todos os itens avaliados por usuários ativos da matriz de usuário, ele determina o quao os itens recuperados são similares, então ele seleciona os 'k' mais similares e seu 'match' de semelhança também são determinados.

Tipos de cálculo de similaridade

Similaridade do cosseno

Similaridade baseado em correlação

Similaridade do cosseno ajustada

Em que dois itens são considerados dois vetores no espaço dimensional do usuário. A semelhança entre os itens são medidas calculando o cosseno do angulo entre dois vetores.

Em que a semelhança está encontrando a relação entre dois vetores.

click to edit

Fornece recomendação de item desenvolvendo primeiro um modelo de avaliações dos usuários.

O algoritmo é construído usando aprendizado de máquina(machine learning) ou técnica de mineração de dados.

Trabalha com dados fornecidos pelo usuário, implicitamente(clicks em links) ou de maneira explícita. Baseado nesses dados o perfil do usuário é criado, podendo ser usado como informações para recomendar 'algo' a ele.

Esse tipo de abordagem usa informações do perfil do usuário para recomendar a outros que são de alguma maneira similares a ele, que apresenta interesses semelhantes.

Realiza comparação entre o conteúdo dos itens que compõem o perfil do usuário

O conteúdo de cada item ou produto é representado por um conjunto de 'palavras chaves' que geralmente possuem algum padrão de consulta.

Aplica-se separadamente e junta-se depois