Jämförelse och förbättring av kollaborativa filtreringsalgoritmer

Recommender Systems is a topic several computer scientists have researched. With today’s e-commerce and Internet access, companies try to maximize their profit by utilizing var- ious recommender algorithms. One methodology used in such systems is Collaborative Filtering. The objective of this paper is to compare four algorithms, all based on Collaborative Filtering, which are k-Nearest-Neighbour, Slope One, Singular Value Decomposition and Average Least Square algorithms, in order to find out which algorithm produce the best pre- diction rates. In addition, the paper will also use two mathematical models, the Arithmetic Median and Weighted Arithmetic Mean, to determine if they can improve the prediction rates. Singular Value Decomposition performed the best out of the four algorithms and Aver- age Least Square performed the worst. However, the Arithmetic Median performed slightly better than Singular Value Decomposition and the Weighted Arithmetic Mean performed the worst. Rekommendationssystem är ett ämne som många datatekniker har forskat inom. Med dagens e-handel och Internetåtkomst, så försöker företag att maximera sina vinster genom att utnyttja diverse rekommendationsalgoritmer. En metodik som används i sådana system är Collaborative Filtering. Syftet med denna uppsats är att jämföra fyra algoritmer, alla baserade på Collaborati- ve Filtering, vilket är k-Nearest-Neighbour, Slope One, Single Value Decomposition och Average Least Square, i syfte att ta reda på vilken algoritm som producerar den bästa be- tygsättningen. Uppsatsen kommer även använda sig av två olika matematiska modeller, Aritmetisk Median och Viktad Aritmetisk Median, för att ta reda på om dom kan förbättra betygsättningen. Single Value Decomposition presterade bäst medan Average Least Square presterade sämst av de fyra algoritmerna. Däremot presterade Aritmetiska Median en aning bättre än Single Value Decomposition och Viktad Aritmetisk Median presterade sämst.