Зменшення розмiрностi матрицi "користувач-об’єкт" при колаборативнiй фiльтрацiї

Abstract

Основним недолiком алгоритмiв колаборативної фiльтрацiї є необхiднiсть виконання великої кiлькостi опе- рацiй для обчислення ступеня схожостi об’єктiв або користувачiв при прогнозуваннi невiдомого рейтингу. Для зменшення трудомiсткостi операцiй при обчисленнi ступеня схожостi використовується пiдхiд пониження розмiрностi матрицi користувач-об’єкт, заснований на розкладаннi цiєї матрицi по сингулярним значенням.

The main disadvantage of collaborative filtering algorithms is the need to perform a large number of operations to calculate the degree of similarity of objects or users in predicting unknown rating. To reduce the complexity of operations when calculating the degree of similarity used dimension reduction matrix user-object based on the decomposition of this matrix by singular value.