Collaborative filtering

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. Il collaborative filtering è molto usato nell'ambito dei sistemi di raccomandazione. Una categoria molto nota di algoritmi di tipo collaborativo è la matrix factorization.

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.

Poiché il collaborative filtering si basa su passate interazioni tra utenti e item è soggetto al problema del cold start. Quando un nuovo item o utente è aggiunto, esso non è associato a nessuna interazione, pertanto un algoritmo collaborativo puro non sarà in grado di gestirlo.

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.[1]

Attualmente, sistemi di collaborative filtering sono molto diffusi nell'ambito del web, in particolare in ambito commerciale e nei sistemi di social networking.

Sistemi commercialiModifica

In english

NoteModifica

  1. ^ *David Goldberg, David Nichols, Brian M. Oki, and Douglas Terry, Using collaborative filtering to weave an information tapestry, ACM Press, 1992
Controllo di autoritàGND (DE7512839-1