La diferencia entre estos dos está en el valor agregado que desea proporcionar más allá del elemento principal de la página. El filtrado colaborativo de artículo a artículo refleja la “sabiduría de las multitudes”. tales recomendaciones muestran a los espectadores qué otras tendencias están relacionadas con el elemento visto. Los ejemplos incluyen: “las personas que vieron / dieron me gusta / compraron este artículo también vieron / dieron me gusta / compraron ese otro artículo”.
El filtrado basado en contenido proporciona alternativas contextualizadas al elemento visto. El sistema hace coincidir los atributos del elemento visto con los atributos de otros elementos para generar recomendaciones.
Los motores de recomendación suelen utilizar estos dos enfoques juntos (así como otros enfoques). En un entorno de comercio electrónico, por ejemplo, cuando ve una página de detalles de un producto en particular, los motores de recomendación utilizarán filtros basados en el contexto para reducir la lista de recomendaciones posibles (por ejemplo, seleccionar opciones de la categoría de catálogo de bajo o alto nivel del artículo) , y luego elija las opciones más modernas basadas en el filtrado colaborativo.
- ¿Cuál es la ventaja de una red neuronal entrenable de extremo a extremo?
- ¿Cuál es la mejor estrategia para un oponente de IA para predecir la ubicación y golpear la pelota en un juego de Pong?
- ¿Cuál es el truco del núcleo?
- Cómo crear un motor de búsqueda médica utilizando el aprendizaje automático en Java
- ¿Qué estrategia usaste para resolver el juego 2048? ¿Por qué?