Machine Learning: strategie di collaborative filtering nelle piattaforme online.
1 like•190 views
Il documento discute l'uso del machine learning attraverso strategie di collaborative filtering in piattaforme online, con un focus su un caso pratico nel mondo SaaS ed e-commerce, specificamente il sistema di raccomandazione di fazland.com. Viene analizzato il filtering user-user e item-item, esplorando come le preferenze degli utenti possano facilitare la raccomandazione di prodotti simili. Inoltre, si evidenzia la differenza tra gli algoritmi di collaborative filtering e content-based filtering, concentrandosi sulla similarità tra utenti e prodotti.
Machine Learning: strategie di collaborative filtering nelle piattaforme online.
- 1. relatori: Vittorio Guarini e Federico Panini Machine Learning: strategie di collaborative filtering nelle piattaforme online. Un caso concreto di applicazione nel mondo SaaS e E-commerce, il caso Fazland.com
- 8. Recommender System • content based filtering • user-user collaborative filtering • item-item collaborative filtering • unary item-item
- 9. Content Based Filtering quanto è rilevante una parola o una keyword all'interno di un documento
- 10. Collaborative Filtering Al contrario del content based filtering, gli algoritmi di collaborative filtering si basano sul di un concetto : la similarità. Le preferenze di un utente sono utilizzate come base per creare correlazione con altri utenti o con altri prodotti.
- 11. User-User Collaborative Filtering Questo tipo di algoritmi cerca di identificare la similarità tra utenti. A questo punto tra coloro che il sistema riconosce come similari suggerire prodotti basandosi sulle loro preferenze.
- 13. Item-Item Collaborative Filtering Item-item collaborative filtering adotta un approccio leggermente differente, ossia invece di computare ed identificare utenti tra loro simili, sviluppa una matrice di similarità tra i prodotti utilizzando ratings o valutazioni “unarie”. A questo punto sarà possibile suggerire prodotti agli utenti che hanno comprato o utilizzato prodotti tra loro simili.
- 14. AWS
- 15. Prof. Joseph A. Konstan - University of Minnesota
- 16. GRAZIE !