| dbpprop:abstract
|
- Collaborative filtering (CF) 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 2.0 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. The method of making automatic predictions (filtering) about the interests of a user by collecting taste information from many users (collaborating). The underlying assumption of CF approach is that those who agreed in the past tend to agree again in the future. For example, a collaborative filtering or recommendation system for music tastes could make predictions about which music a 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.
- Le filtrage collaboratif est la traduction proposée du terme anglais collaborative filtering. Le filtrage collaboratif 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 deux principaux axes de recherche dans le domaine: le filtrage collaboratif passif : qui repose sur l'analyse des comportements le filtrage collaboratif actif : qui repose sur du déclaratif (notes, commentaires) de la part des utilisateurs. Cet axe de recherche se subdivise en deux autres catégories. le filtrage collaboratif utilisateurs le filtrage collaboratif objets Une troisième voie est aussi possible, il s'agit du Content Based (traduction à trouver) qui consiste à définir des caractéristiques "objectives" aux objets afin de procéder au filtrage.
- 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. 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 tale informazioni siano referenti a un singolo utente, esse derivano dalla conoscenza elaborata su tutto l'arco dell'insieme degli utenti del sistema. 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.
- 協調フィルタリング（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。
- Коллаборативная фильтрация, Совместная фильтрация — метод, дающий автоматические прогнозы (фильтрацию) относительно интересов пользователя по собранной информации о вкусах множества пользователей (сотрудничающих между собой). Его основное допущение состоит в следующем: те, кто соглашался в прошлом, склонны согласиться и в будущем. Например, коллаборативная фильтрация или рекомендательная система по музыкальным вкусам способна прогнозировать, какая музыка понравится пользователю, имея неполный список его предпочтений (симпатий и антипатий). Отметим, что эти прогнозы индивидуальны, хотя используемая информация собрана от многих участников. Тем самым они отличаются от более простого подхода, дающего усреднённую оценку для каждого объекта интереса, к примеру, базирующуюся на количестве поданных за него голосов. Системы коллаборативной фильтрации обычно применяют двухступенчатую схему: Находят тех, кто разделяет оценочные суждения активного (прогнозируемого) пользователя. Используют оценки сходно мыслящих людей, найденных на 1-м шаге, для вычисления прогноза. Другая форма коллаборативной фильтрации основывается на скрытом наблюдении обычного поведения пользователя (в противоположность искусственному, порождённому необходимостью оценивать). В этих системах вы наблюдаете, как поступил данный пользователь, и как — другие (какую музыку они слушали, какие композиции приобрели), и используете полученные данные, чтобы предсказать поведение пользователя в будущем, или предсказать, как пользователь желал бы поступить при наличии определённой возможности. Эти предсказания должны быть отфильтрованы согласно логике бизнеса. Например, бесполезно предлагать кому-либо купить музыкальный файл, который у него уже имеется. В век информационного взрыва такие технологии могут оказаться чрезвычайно полезными, поскольку количество объектов даже в одной категории стало настолько большим, что отдельный человек не способен просмотреть их все, чтобы выбрать подходящие. Кроме того, коллаборативная фильтрация использовалась в дистанционном обучении, способствуя и поощряя сотрудничество студентов.
- 協同過濾（Collaborative Filtering）簡單來說是利用某興趣相投、擁有共同經驗之群體的喜好來推薦使用者感興趣的資訊，個人透過合作的機制給予資訊相當程度的回應（如評分）並記錄下來以達到過濾的目的進而幫助別人篩選資訊，回應不一定侷限於特別感興趣的，特別不感興趣資訊的紀錄也相當重要。協同過濾又可分為評比（rating）或者群體過濾（social filtering）。其後成為電子商務當中很重要的一環，即根據某顧客以往的購買行為以及從具有相似購買行為的顧客群的購買行為去推薦這個顧客其「可能喜歡的品項」，也就是藉由社群的喜好提供個人化的資訊、商品等的推薦服務。除了推薦之外，近年來也發展出數學運算讓系統自動計算喜好的強弱進而去蕪存菁使得過濾的內容更有依據，也許不是百分之百完全準確，但由於加入了強弱的評比讓這個概念的應用更為廣泛，除了電子商務之外尚有資訊檢索領域、網路個人影音櫃、個人書架等的應用等。
|
| rdfs:comment
|
- Collaborative filtering (CF) 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.
- Le filtrage collaboratif est la traduction proposée du terme anglais collaborative filtering. Le filtrage collaboratif 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.
- 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.
- Коллаборативная фильтрация, Совместная фильтрация — метод, дающий автоматические прогнозы (фильтрацию) относительно интересов пользователя по собранной информации о вкусах множества пользователей (сотрудничающих между собой).
|
![[RDF Data]](/statics/sw-cube.png)
