collaboratiefiltering

Collaboratiefiltering is een klasse van aanbevelingssystemen die voorspellingen doet over de voorkeuren van een gebruiker op basis van eerdere interacties en de voorkeuren van soortgelijke gebruikers of items. Het maakt gebruik van gegevens zoals beoordelingen, klikken of aankopen om aanbevelingen te genereren.

Er zijn twee hoofdbenaderingen. Bij user-based collaboratieve filtering zoekt men naar gebruikers met vergelijkbare smaakprofielen en raadt men items aan die deze vergelijkbare gebruikers hebben gewaardeerd. Bij item-based collaboratieve filtering zoekt men naar items die vergelijkbaar zijn met items die de gebruiker in het verleden heeft gewaardeerd en raadt men die aan.

Data spelen een centrale rol. In veel systemen ontstaat een ruimtatssparse matrix van gebruikers versus items. Similariteit kan worden gemeten met bijvoorbeeld cosine similarity, Pearson correlatie of Jaccard. Er zijn twee hoofdtypen methoden: memory-based (Directe berekening van overeenkomsten en aanbevelingen) en model-based (leren van latente factoren via factorisatie of machine learning om beter te generaliseren naar onbekende gebruikers of items).

Veelgebruikte modelmatige benaderingen zijn matrixfactorisatie-technieken zoals SVD of ALS, die de interactiematrix factoriseren in latente gebruikers- en itemfactoren. Recente ontwikkelingen bevatten ook neurale collaboratieve filtering en andere deep learning-benaderingen die embeddings en neurale netwerken combineren.

Uitdagingen zijn onder meer data-sparsiteit, cold-start voor nieuwe gebruikers of items, schaalbaarheid bij grote catalogi, en mogelijk bias of filterbubbels. Privacyoverwegingen spelen ook een rol bij het analyseren van gebruikersgedrag.

Toepassingen vinden plaats in e-commerce, streamingdiensten, nieuws en sociale platforms. Evaluatie gebeurt met nauwkeurigheidsmaatregelen zoals RMSE en MAE, en rangschikkingsmetrics zoals precision@k, recall@k en NDCG. Voordelen zijn efficiënt gebruik van bestaande interactiegegevens; nadelen zijn afhankelijkheid van datakwaliteit en neiging tot populariteitsbias.