Using singular value decomposition for collaborative filtering

Authors

  • Е. Е. Пятикоп Приазовский государственный технический университет

DOI:

https://doi.org/10.18372/2073-4751.4.6400

Abstract

The classification methods of collaborative filtering are presented. The method Singular Value Decompositionis described by mathematical formulas. Normalization of the data is shown by thebaseline estimates. The paper presents experiments of the method.

Author Biography

Е. Е. Пятикоп, Приазовский государственный технический университет

к.т.н.

References

Либрусек- Статистика. Режим доступа: http://lib.rus.ec/stat

Xiaoyuan Su and Taghi M. Khoshgoftaar A Survey of Collaborative Filtering Techniques A Survey of Collaborative Filtering Techniques // Hindawi Publishing Corporation, Advances in Artificial Intelligence archive, USA: 2009. – С. 1-19.

Гомзин А. Г., Коршунов А. В. Сис- темы рекомендаций: обзор современных подходов // Труды ИСП РАН. 2012. №. С.401-418.

Савчук Т.О., Сакалюк А.В. Застосу- вання кластерного аналізу для колаборативної фільтрації / Т.О. Савчук, // Вісник Хмельницького національного університету. –2011 – №1– С. 186-192

Лексин В.А., Анализ клиентских сред: выявление скрытых профилей и оценивание сходства клиентов и ресурсов // Математические методы распознавания

образов-13. – М. МАКС Пресс, 2007. – С. 488-491

Sarwar B. M. Item-based collaborative filtering recommendation algorithms / B. M. Sarwar, G. Karypis, J. A. Konstan // Proceedings of ACM WWW ’01, pp. 285–295, ACM, 2001.

Пятикоп Е.Е. Исследование метода коллаборативной фильтрации на основе сходства элементов // Наукові праці Донецького національного технічного університету серія: "Інформатика, кібернетика та обчислювальна техніка". – 2013. – №2. – С. 109-114

Vozalis1 M. G., Margaritis K. G. Applying SVD on Generalized Item-based Filtering //International Journal of Computer Science & Applications Vol. 3 Issue 3, pp 27- 51

Koren Y., Ave P., Park F. Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model. In: KDD '08 Proceeding of the 14th ACM SIGKDD international conference on Knowledge discovery and data mining Режим доступа: http://public.research.att.com/~volinsky/netfl ix/kdd08koren.pdf

Issue

Section

Статті