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。
A Survey on Generative Recommendation: Data, Model, and Tasks
Arxiv
0+阅读 · 10月31日
Vectorized Context-Aware Embeddings for GAT-Based Collaborative Filtering
Arxiv
0+阅读 · 10月30日
Understanding Embedding Scaling in Collaborative Filtering
Arxiv
0+阅读 · 10月27日
From ID-based to ID-free: Rethinking ID Effectiveness in Multimodal Collaborative Filtering Recommendation
Arxiv
0+阅读 · 10月27日
EasyRec: Simple yet Effective Language Models for Recommendation
Arxiv
0+阅读 · 10月18日
FACE: A General Framework for Mapping Collaborative Filtering Embeddings into LLM Tokens
Arxiv
0+阅读 · 10月17日
Enhance Large Language Models as Recommendation Systems with Collaborative Filtering
Arxiv
0+阅读 · 10月17日
A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice
A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice
Arxiv
0+阅读 · 10月16日
Post-hoc Popularity Bias Correction in GNN-based Collaborative Filtering
Arxiv
0+阅读 · 10月14日
Leveraging Language Semantics for Collaborative Filtering with TextGCN and TextGCN-MLP: Zero-Shot vs In-Domain Performance
Arxiv
0+阅读 · 10月14日
A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice
Arxiv
0+阅读 · 10月13日
Ethical AI prompt recommendations in large language models using collaborative filtering
Arxiv
0+阅读 · 10月8日
Bridging Collaborative Filtering and Large Language Models with Dynamic Alignment, Multimodal Fusion and Evidence-grounded Explanations
Arxiv
0+阅读 · 10月2日
SocRipple: A Two-Stage Framework for Cold-Start Video Recommendations
Arxiv
0+阅读 · 8月10日
CESRec: Constructing Pseudo Interactions for Sequential Recommendation via Conversational Feedback
Arxiv
0+阅读 · 9月11日
参考链接
父主题
推荐系统
微信扫码咨询专知VIP会员
Top