Hay dos formas principales en que funcionan la mayoría de los motores de recomendación. Pueden confiar en las propiedades de los elementos que le gustan a cada usuario, descubriendo qué más le puede gustar al usuario ( método de filtrado basado en contenido );
filtrado basado en contenido
- ¿Qué debe hacer un estudiante de diploma para aprender software o aprendizaje automático?
- ¿Cuáles son las futuras áreas de investigación del aprendizaje automático y el reconocimiento de patrones para comenzar el doctorado y necesito algunas cosas buenas relacionadas con eso? como tesis doctorales y papel para estudiar?
- ¿Qué problemas actuales en robótica intentan resolver los investigadores con el aprendizaje automático?
- Cómo implementar el reconocimiento de imágenes para crear una aplicación para organizar imágenes
- ¿Cuáles son las formas previas para el reconocimiento en visión artificial?
o bien, los motores de recomendación pueden confiar en los gustos y deseos de otros usuarios para calcular un índice de similitud entre los usuarios y recomendarles elementos en consecuencia ( método de filtrado colaborativo ).
filtración colaborativa
También es posible combinar ambos motores para construir un motor de recomendación más próspero.
Lea más en Big Data Behind Recomender Systems – InData Labs