Deep Learning per programmatori con fastai e PyTorch

Capitolo 8. Approfondimento sul filtraggio collaborativo

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Un problema comune da risolvere è quello di avere un certo numero di utenti e un certo numero di prodotti, e si vuole consigliare quali prodotti sono più probabilmente utili per quali utenti. Esistono molte varianti: ad esempio, raccomandare film (come su Netflix), capire cosa mettere in evidenza per un utente in una home page, decidere quali storie mostrare in un feed di social media e così via. Una soluzione generale a questo problema, chiamata filtraggio collaborativo, funziona in questo modo: guarda quali prodotti ha usato o gradito l'utente corrente, trova altri utenti che hanno usato o gradito prodotti simili e poi raccomanda altri prodotti che quegli utenti hanno usato o gradito.

Ad esempio, su Netflix potresti aver guardato molti film di fantascienza, pieni di azione e realizzati negli anni '70. Netflix potrebbe non conoscere queste particolari proprietà dei film che hai guardato, ma sarà in grado di vedere che le altre persone che hanno guardato gli stessi film che hai guardato tu tendono a guardare anche altri film di fantascienza, pieni di azione e realizzati negli anni '70. In altre parole, per utilizzare questo approccio non abbiamo necessariamente bisogno di sapere qualcosa sui film, se non chi ama guardarli.

Esiste una classe più generale di problemi che questo approccio ...