МЕТОДЫ КОЛЛАБОРАТИВНОЙ ФИЛЬТРАЦИИ ДЛЯ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ

Аннотация

Рекомендательные системы часто основываются на коллаборативной фильтрации. В данной работе рассматриваются различные методы коллаборативной фильтрации с целью прогнозирования оценок, такие как: метод K ближайших соседей, кластеризация, разложение матриц. К методу K ближайших соседей применяются несколько способов вычисления схожести пользователей и объектов. Для кластеризации два метода: агломеративная иерархическая кластеризация и метод k-средних. Также рассматривается простое разложение матриц и с добавлением смещения.
Все эти методы реализованы, проведены тесты на реальных данных, и произведено сравнение точности и возможности применения в реальных проектах