会员服务
协同过滤（英语：Collaborative Filtering），简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人透过合作的机制给予信息相当程度的回应（如评分）并记录下来以达到过滤的目的进而帮助别人筛选信息，回应不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要。协同过滤又可分为评比（rating）或者群体过滤（social filtering）。其后成为电子商务当中很重要的一环，即根据某顾客以往的购买行为以及从具有相似购买行为的顾客群的购买行为去推荐这个顾客其“可能喜欢的品项”，也就是借由社群的喜好提供个人化的信息、商品等的推荐服务。除了推荐之外，近年来也发展出数学运算让系统自动计算喜好的强弱进而去芜存菁使得过滤的内容更有依据，也许不是百分之百完全准确，但由于加入了强弱的评比让这个概念的应用更为广泛，除了电子商务之外尚有信息检索领域、网络个人影音柜、个人书架等的应用等。
The Edge Spectrum of Choice-Derived Item Graphs: Strong and Weak Edges Encode Different Relations in Collaborative Filtering
Arxiv
0+阅读 · 8月30日
Recovering Expert Critic-Sourced Network Adjacency between Musical Artists from Acoustic Distributions: A Construct-Validity Approach
Arxiv
0+阅读 · 8月27日
GSPRec: On Improving Item Representations in Graph Signal Processing for Collaborative Filtering
Arxiv
0+阅读 · 7月21日
SAHC-NS: Structure-Aware and Hardness-Calibrated Negative Sampling for Implicit Collaborative Filtering
Arxiv
0+阅读 · 8月17日
SAHC-NS: Structure-Aware and Hardness-Calibrated Negative Sampling for Implicit Collaborative Filtering
Arxiv
0+阅读 · 8月24日
Serving the Long Tail: Training-Free LLM Candidate Generation for Vacation Rental Marketplaces
Arxiv
0+阅读 · 7月10日
TailorMind: Towards Preference-Aligned Multimodal Content Generation
Arxiv
0+阅读 · 6月22日
Memory Is No Longer a Bottleneck: Memory-Efficient Graph Filtering for Scalable Collaborative Filtering
Arxiv
0+阅读 · 6月19日
Every Preference Has Its Strength: Injecting Ordinal Semantics into LLM-Based Recommenders
Arxiv
0+阅读 · 5月11日
Bridging the Semantic-Collaborative Gap: An Asymmetric Graph Architecture for Cold-Start Item Recommendation
Arxiv
0+阅读 · 6月4日
Beyond Instance-Level Alignment and Uniformity: Semantic Factor Learning for Collaborative Filtering
Arxiv
0+阅读 · 5月29日
Mood-Aware Music Recommendation: Integrating User Affective Signals into Ranking Systems
Arxiv
0+阅读 · 6月11日
Interests Burn-down Diffusion Process for Personalized Collaborative Filtering
Arxiv
0+阅读 · 5月6日
Leveraging Artist Catalogs for Cold-Start Music Recommendation
Arxiv
0+阅读 · 4月8日
Sparse Contrastive Learning for Content-Based Cold Item Recommendation
Arxiv
0+阅读 · 4月14日
参考链接
微信扫码咨询专知VIP会员
Top