Neighborhood-based collaborative filtering for implicit feedback

Робота присвячена методам колаборативної фільтрації на основі сусідства. Визначені їх ключеві етапи та варіанти модифікації для використання з непрямими рейтингами. Проведений порівняльний аналіз для фільтрації за користувачами та об’єктами. Точність рекомендаційних алгоритмів визначалась за MAP (Mean Average Precision) критерієм. Дослідження проводились з даними для більш ніж 1 мільйона користувачів, які були опубліковані в рамках конкурсу Million Data Song Challenge.The article is devoted to neighborhood-based collaborative filtering methods. Attention is drawn to key steps of such methods. It is proposed modifications of user-based and item-based filtering methods for using them with implicit feedback. For comparison different algorithms, MAP (Mean Average Precision) was used. All experiments are based on data of music listening history for more than 1 million users. Data were provided in the scope of Million Data Song Challenge