Dalam pemfilteran Kolaboratif, kami memiliki nilai yang tidak diisi. Misalkan pengguna tidak menonton film maka kami harus meletakkan 'na' di sana.
Jika saya akan mengambil SVD dari matriks ini, maka saya harus memasukkan beberapa angka di sana - katakan 0. Sekarang, jika saya membuat faktorisasi matriks, saya punya metode untuk menemukan pengguna yang serupa (dengan mencari tahu pengguna mana yang lebih dekat di ruang dimensi berkurang). Tetapi preferensi yang diprediksi itu sendiri - untuk pengguna ke item akan menjadi nol. (karena itulah yang kami masukkan pada kolom yang tidak dikenal).
Jadi saya terjebak dengan masalah filtering kolaboratif vs SVD. Mereka tampaknya hampir sama, tetapi tidak cukup.
Apa perbedaan di antara mereka dan apa yang terjadi ketika saya menerapkan SVD pada masalah pemfilteran kolaboratif? Ya, dan hasilnya tampaknya dapat diterima dalam hal menemukan pengguna terdekat, yang bagus, tetapi bagaimana?