A filtragem colaborativa é uma técnica usada na ciência da computação para localizar e recomendar itens para os usuários. Ela utiliza as preferências e os comportamentos dos usuários atuais para prever as preferências de outros usuários. Isso é feito por meio da análise de uma variedade de fontes de dados, como dados de classificação, histórico de compras ou históricos de visualização. A filtragem colaborativa é usada para diversas finalidades, incluindo a recomendação de produtos, a previsão das preferências dos usuários e a detecção de anomalias ou discrepâncias nos dados.
Uma forma tradicional de filtragem colaborativa é a filtragem baseada no usuário ou na vizinhança. Esse método calcula a semelhança entre os usuários com base em suas classificações e preferências por vários itens. Essa semelhança é então usada para recomendar itens ao usuário atual com base nas preferências de usuários semelhantes.
Outra forma de filtragem colaborativa é a filtragem baseada em itens ou em conteúdo. Essa técnica analisa as preferências anteriores de um usuário e usa essas informações para sugerir itens semelhantes para o usuário considerar no futuro. Por exemplo, se um usuário tiver dado uma classificação alta a um determinado romance, a filtragem baseada em itens poderá oferecer romances semelhantes para o usuário ler.
Outra forma moderna de filtragem colaborativa é a fatoração de matriz. Essa técnica usa a decomposição da matriz para descobrir recursos latentes nos dados. Em seguida, esses recursos são usados para encontrar usuários com gostos semelhantes e sugerir itens.
A filtragem colaborativa pode ser usada para vários aplicativos, como recomendação de videogame, recomendação de música, compras on-line e muito mais. É uma ferramenta poderosa para entender as preferências do usuário e encontrar conteúdo ou produtos recomendados.