Qual é a diferença básica entre a filtragem colaborativa baseada em itens e a análise baseada no mercado? Este último é um caso especializado do primeiro?
@Antimony deu uma resposta perfeita. Só queria adicionar uma teoria que me ajudou a entender a diferença entre a filtragem colaborativa item a item e a análise de cesta de mercado; bem como os aplicativos para esses dois métodos.
A família de algoritmos usados para realizar a análise da cesta de mercado é chamada de regras de associação. A análise da cesta de mercado (ou regras de associação) e a filtragem colaborativa respondem a questões fundamentalmente diferentes. A filtragem colaborativa pode responder a uma pergunta: "Quais itens os usuários com interesses semelhantes aos seus gostam?" (Fig. 1), enquanto as regras de associação respondem a uma pergunta: "Quais itens freqüentemente aparecem juntos?" A resposta à primeira pergunta pode ser usada para recomendar produtos, vídeos, restaurantes, hotéis ou qualquer outro conteúdo que você não tenha visto anteriormente, mas que tenha sido avaliado por um grupo de outros usuários com interesses semelhantes aos seus. A semelhança de interesses pode ser estimada a partir de indicadores explícitos, por exemplo, você e um grupo de outros usuários deram as mesmas classificações aos mesmos produtos ou indicadores implícitos, por exemplo, você e eles compraram os mesmos produtos. A filtragem colaborativa é amplamenteusado para construir sistemas de recomendação . No entanto, a filtragem colaborativa é mais eficaz quando há um histórico rico de preferências ou comportamento do usuário. Enquanto isso, as regras de associação podem recomendar produtos que você provavelmente comprará com base em um conjunto de produtos que estão atualmente em sua cesta (Fig. 2). Por exemplo, se você compra um hambúrguer e batatas fritas, provavelmente vai querer refrigerante; ou um exemplo muito famoso, quem compra fraldas também costuma comprar uma cerveja. As regras de associação são independentes dos perfis de preferências pessoais e, para minerá-las, é necessário um conjunto de dados de transações de todos os usuários. Regras de associação e análise de cesta de mercado são geralmente usadas como uma ferramenta exploratória para explorar um número limitado de regras mais comuns que podem ser analisadas por um ser humano. No entanto, as regras de associação também podem ser usadas para criar sistemas de recomendação .
Fig. 1. A ilustração da filtragem colaborativa. Fonte - Wikipedia
Fig 2. Uma ilustração simples das regras de associação.
Uma excelente pergunta! Uma diferença trivial em que consigo pensar é que a análise da cesta de mercado (MB) considera cada cesta separadamente. Portanto, se você comprar as mesmas coisas uma vez por mês, cada vez que isso constituir uma cesta diferente, e provavelmente também conterá itens diferentes a cada vez. No entanto, a filtragem colaborativa (CF) considera cestas agregadas por usuário. Portanto, não importa quantas vezes você compre cerveja e fraldas juntas, ele ainda conta como um voto para cerveja e um voto para fraldas.
As outras diferenças são mais técnicas, como o que você mede para cada uma. No MB, você se preocupa com os valores de suporte e confiança e no CF, com uma medida de similaridade, como a similaridade do cosseno. Esta é uma medida simétrica. A semelhança entre cerveja e fralda é a mesma semelhança entre fralda e cerveja, mas esse não é o caso de apoio / confiança.
Em um nível conceitual, é possível que o CF encontre semelhanças mais indiretas, como se você compra o item 1, e descobre que o item 2 é comprado junto com ele, e também que os itens 3 e 4 são semelhantes ao item 2. Em seguida, ele pode recomendá-los mesmo que não sejam comprados junto com o item 1, mas também com o item 2.
fonte