Assigning reliability values to recommendations using matrix factorization

ارائه یک ارزش قابل اعتماد برای هر پیش بینی و توصیه در سیستم های توصیه شده فعلی بسیار مهم است: کاربران باید بدانند که کدام توصیه ها قابل اعتماد هستند و کدام یک از آنها خطرناک است. علیرغم اهمیت رو به رشد آن، تحقیق در مورد قابلیت اطمینان فیلترینگ مشارکتی به ندرت در منطقه مبتنی بر مدل توسعه داده شده است. این مقاله معماری و روش مبتنی بر تخمین ماتریس را توضیح می دهد که ارزش اطمینان برای هر پیش بینی / پیشنهاد را فراهم می کند. مقادیر قابلیت اطمینان به آزمایش منتقل شده و در هنگام استفاده، آنها در بهبود پیش بینی و کیفیت توصیه در سیستم های مختلف توصیه می شوند؛ علاوه بر این، آنها طیفی از مقادیری را که برای کاربران قابل درک هستند ارائه می دهند.