Kullanıcı tabanlı işbirlikçi filtre

Ο αλγόριθμος συνεργατικού φιλτραρίσματος βάσει χρήστη υπολογίζει πρώτα την ομοιότητα μεταξύ του χρήστη προορισμού και άλλων χρηστών μάθησης και, στη συνέχεια, τους ταξινομεί ανάλογα με την ομοιότητα. Ο κανόνας δείχνει ότι οι καλύτεροι χρήστες K της σειράς είναι οι πιο κοντινοί γείτονες του χρήστη-στόχου και, στη συνέχεια, χρησιμοποιεί όλες τις πληροφορίες σημείων αυτών των γειτόνων. Προσδιορίστε τις πιθανές αξιολογήσεις του χρήστη-στόχου για τα στοιχεία από τις κριτικές και τέλος ταξινομήστε το σωστό σύνολο προτάσεων για το χρήστη από το υψηλό στο χαμηλό. Ο αλγόριθμος συνεργατικού φιλτραρίσματος βάσει έργου βρίσκει την ομοιότητα μεταξύ όλων των αντικειμένων στο πρώτο βήμα και στο δεύτερο βήμα, επιλέγει τα στοιχεία Κ ως σύνολο γειτονικών με βάση την ομοιότητα μεταξύ των στοιχείων για στοιχεία που ο χρήστης στόχος δεν έχει ακόμη σκοράρει. Το τρίτο βήμα,

Ο αλγόριθμος φιλτραρίσματος συνεργατικής συνεργασίας που βασίζεται στο χρήστη υπολογίζει πρώτα την ομοιότητα μεταξύ του χρήστη προορισμού και άλλων χρηστών εκμάθησης και, στη συνέχεια, τους ταξινομεί κατά ομοιότητα. Ο κανόνας υποδεικνύει ότι οι καλύτεροι χρήστες K του καταλόγου είναι οι πιο κοντινοί γείτονες του χρήστη προορισμού και, στη συνέχεια, χρησιμοποιούν όλες τις πληροφορίες σημείων αυτών των γειτόνων. Καθορίστε τους πιθανούς χαρακτηρισμούς του χρήστη προορισμού για στοιχεία χωρίς αξιολόγηση και ταξινομήστε τη σωστή πρόταση που έχει οριστεί τελικά για το χρήστη από υψηλό σε χαμηλό. Ο αλγόριθμος φιλτραρίσματος συνεργασίας που βασίζεται σε έργο βρίσκει μια ομοιότητα μεταξύ όλων των στοιχείων στο πρώτο βήμα και στο δεύτερο βήμα, επιλέγει στοιχεία K ως γειτονικό σύμπλεγμα με βάση την ομοιότητα μεταξύ στοιχείων για στοιχεία που ο χρήστης προορισμού δεν έχει βαθμολογηθεί ακόμα. Το τρίτο βήμα είναι να βρείτε την ομοιότητα μεταξύ κάθε στοιχείου στα στοιχεία Κ και των στοιχείων που δεν έχουν αξιολόγηση και το ενδιαφέρον του χρήστη προορισμού για το είδος.

基于用户的协同过滤算法计算目标用户和其他学习用户之间的相似度，从而计算相似度拉尔规则指出目标用户是一系列K个用户的最近邻居，然后是所有这些邻居使用点信息。为没有用户评价的项目指定可能的评分，并最终将用户的正确建议排序到更高的级别。基于项目的协同过滤算法在第一步和第二步中发现所有项目之间的差异，目标用户根据用户尚未理解的项的项之间的相似性选择K个项作为相邻组。第三步是寻找项目和目标用户之间的相似性，该相似性不与K个项目中的任何项目分类。<br>