Filtrage collaboratif
Approche de recommandation qui exploite des motifs entre de nombreux utilisateurs et objets (qui a noté quoi) plutôt que seulement des caractéristiques de contenu explicites.
Le filtrage collaboratif recommande des contenus en apprenant du comportement collectif : si des utilisateurs aux historiques proches ont aimé les mêmes films, le système suggère de nouveaux titres qu’ils n’ont pas vus. Les premiers algorithmes Netflix comme Cinematch utilisaient des modèles de voisinage ; les équipes lauréates ont poussé la factorisation matricielle et des modèles neuronaux comme les RBM (article Netflix Prize).
La méthode est une forme d’apprentissage supervisé sur des notes utilisateur-objet creuses et alimente de nombreux systèmes de recommandation en streaming et e-commerce.