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