ΠΠ΅ΡΠΎΡΡΠ½ΠΎΡΡΠ½ΡΠ΅ ΠΌΠΎΠ΄Π΅Π»ΠΈ Π² Π°Π½Π°Π»ΠΈΠ·Π΅ ΠΊΠ»ΠΈΠ΅Π½ΡΡΠΊΠΈΡ ΡΡΠ΅Π΄
ΠΡΠ΅Π΄Π»ΠΎΠΆΠ΅Π½Ρ ΡΠΏΠΎΡΠΎΠ±Ρ ΠΎΡΠ΅Π½ΠΈΠ²Π°Π½ΠΈΡ ΠΊΠ°ΡΠ΅ΡΡΠ²Π° Π²ΠΎΡΡΡΠ°Π½ΠΎΠ²Π»Π΅Π½ΠΈΡ ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ Π½Π° ΠΌΠΎΠ΄Π΅Π»ΡΠ½ΡΡ ΠΈ ΡΠ΅Π°Π»ΡΠ½ΡΡ Π΄Π°Π½Π½ΡΡ . Π Π°ΡΡΠΌΠΎΡΡΠ΅Π½Ρ ΠΌΠ΅ΡΠΎΠ΄Ρ ΠΏΡΠ΅Π΄Π²Π°ΡΠΈΡΠ΅Π»ΡΠ½ΠΎΠΉ ΠΎΠ±ΡΠ°Π±ΠΎΡΠΊΠΈ Π΄Π°Π½Π½ΡΡ ΠΈ ΠΎΡΠ΅Π½ΠΈΠ²Π°Π½ΠΈΡ ΡΡ ΠΎΠ΄ΡΡΠ²Π° ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ. ΠΡΠ΅Π΄Π»ΠΎΠΆΠ΅Π½Ρ ΡΠΏΠΎΡΠΎΠ±Ρ Π³ΡΠ°ΡΠΈΡΠ΅ΡΠΊΠΎΠΉ Π²ΠΈΠ·ΡΠ°Π»ΠΈΠ·Π°ΡΠΈΠΈ ΠΌΠ½ΠΎΠΆΠ΅ΡΡΠ² ΠΎΠ±ΡΠ΅ΠΊΡΠΎΠ² (ΠΈΠ»ΠΈ ΠΊΠ»ΠΈΠ΅Π½ΡΠΎΠ²) Π² Π²ΠΈΠ΄Π΅ ΠΊΠ°ΡΡ ΡΡ ΠΎΠ΄ΡΡΠ²Π° Ρ ΠΏΠΎΠΌΠΎΡΡΡ ΠΌΠ΅ΡΠΎΠ΄ΠΎΠ² ΠΌΠ½ΠΎΠ³ΠΎΠΌΠ΅ΡΠ½ΠΎΠ³ΠΎ ΡΠΊΠ°Π»ΠΈΡΠΎΠ²Π°Π½ΠΈΡ. ΠΠ° ΠΏΡΠΈΠΌΠ΅ΡΠ°Ρ ΠΏΠΎΠΊΠ°Π·Π°Π½ΠΎ, ΡΡΠΎ Π΄Π°Π½Π½ΡΠΉ ΡΠΏΠΎΡΠΎΠ± Π²ΠΈΠ·ΡΠ°Π»ΠΈΠ·Π°ΡΠΈΠΈ ΠΌΠΎΠΆΠ΅Ρ Π±ΡΡΡ ΡΡΡΠ΅ΠΊΡΠΈΠ²Π½ΠΎ… Π§ΠΈΡΠ°ΡΡ Π΅ΡΡ >
- Π‘ΠΎΠ΄Π΅ΡΠΆΠ°Π½ΠΈΠ΅
- ΠΡΠ΄Π΅ΡΠΆΠΊΠ°
- ΠΠΈΡΠ΅ΡΠ°ΡΡΡΠ°
- ΠΡΡΠ³ΠΈΠ΅ ΡΠ°Π±ΠΎΡΡ
- ΠΠΎΠΌΠΎΡΡ Π² Π½Π°ΠΏΠΈΡΠ°Π½ΠΈΠΈ
Π‘ΠΎΠ΄Π΅ΡΠΆΠ°Π½ΠΈΠ΅
- 1. ΠΠ°Π΄Π°ΡΠΈ ΠΈ ΠΌΠ΅ΡΠΎΠ΄ΠΎΠ»ΠΎΠ³ΠΈΡ Π°Π½Π°Π»ΠΈΠ·Π° ΠΊΠ»ΠΈΠ΅Π½ΡΡΠΊΠΈΡ
ΡΡΠ΅Π΄
- 1. 1. Π‘ΡΡΡΠΊΡΡΡΠ° ΠΈΡΡ ΠΎΠ΄Π½ΡΡ Π΄Π°Π½Π½ΡΡ
- 1. 2. ΠΡΠΈΠΊΠ»Π°Π΄Π½ΡΠ΅ Π·Π°Π΄Π°ΡΠΈ, ΠΏΠΎΡΡΠ΅Π±Π½ΠΎΡΡΠΈ
- 1. 3. ΠΠ΅ΡΠΎΠ΄ΠΎΠ»ΠΎΠ³ΠΈΡ Π°Π½Π°Π»ΠΈΠ·Π° ΠΊΠ»ΠΈΠ΅Π½ΡΡΠΊΠΈΡ ΡΡΠ΅Π΄
- 2. ΠΠ±Π·ΠΎΡ ΠΌΠ΅ΡΠΎΠ΄ΠΎΠ² ΠΊΠΎΠ»Π»Π°Π±ΠΎΡΠ°ΡΠΈΠ²Π½ΠΎΠΉ ΡΠΈΠ»ΡΡΡΠ°ΡΠΈΠΈ
- 2. 1. ΠΠΎΡΡΠ΅Π»ΡΡΠΈΠΎΠ½Π½ΡΠ΅ Π°Π»Π³ΠΎΡΠΈΡΠΌΡ
- 2. 2. ΠΠΎΠ΄Π΅Π»ΡΠ½ΡΠ΅ Π°Π»Π³ΠΎΡΠΈΡΠΌΡ
- 2. 2. 1. ΠΠ°ΡΠ΅Π½ΡΠ½ΡΠΉ ΡΠ΅ΠΌΠ°Π½ΡΠΈΡΠ΅ΡΠΊΠΈΠΉ Π°Π½Π°Π»ΠΈΠ·
- 2. 2. 2. ΠΠ΅ΡΠΎΡΡΠ½ΠΎΡΡΠ½ΡΠΉ Π»Π°ΡΠ΅Π½ΡΠ½ΡΠΉ ΡΠ΅ΠΌΠ°Π½ΡΠΈΡΠ΅ΡΠΊΠΈΠΉ Π°Π½Π°Π»ΠΈΠ·
- 2. 2. 3. ΠΠ΅ΡΠ°ΡΡ ΠΈΡΠ΅ΡΠΊΠΈΠΉ Π²Π΅ΡΠΎΡΡΠ½ΠΎΡΡΠ½ΡΠΉ Π»Π°ΡΠ΅Π½ΡΠ½ΡΠΉ ΡΠ΅ΠΌΠ°Π½ΡΠΈΡΠ΅ΡΠΊΠΈΠΉ Π°Π½Π°Π»ΠΈΠ·
- 2. 3. ΠΠ΅ΡΠΎΠ΄Ρ Π·Π°Π΄Π°Π½ΠΈΡ Π½Π°ΡΠ°Π»ΡΠ½ΠΎΠ³ΠΎ ΠΏΡΠΈΠ±Π»ΠΈΠΆΠ΅Π½ΠΈΡ ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ
- 3. ΠΠ΅ΡΠΎΡΡΠ½ΠΎΡΡΠ½ΡΠΉ Π»Π°ΡΠ΅Π½ΡΠ½ΡΠΉ ΡΠ΅ΠΌΠ°Π½ΡΠΈΡΠ΅ΡΠΊΠΈΠΉ Π°Π½Π°Π»ΠΈΠ·
- 3. 1. ΠΠΎΡΡΡΠ°Π½ΠΎΠ²Π»Π΅Π½ΠΈΠ΅ ΡΠΊΡΡΡΡΡ
ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ ΠΊΠ»ΠΈΠ΅Π½ΡΠΎΠ² ΠΈ ΠΎΠ±ΡΠ΅ΠΊΡΠΎΠ²
- 3. 1. 1. ΠΠ΅ΡΠΎΡΡΠ½ΠΎΡΡΠ½Π°Ρ ΠΌΠΎΠ΄Π΅Π»Ρ ΠΏΠΎΡΠΎΠΆΠ΄Π΅Π½ΠΈΡ Π΄Π°Π½Π½ΡΡ
- 3. 1. 2. ΠΠΎΠ΄ΠΈΡΠΈΠΊΠ°ΡΠΈΡ ΡΡΠ°Π½Π΄Π°ΡΡΠ½ΠΎΠ³ΠΎ ΠΏΠΎΠ΄Ρ ΠΎΠ΄Π°
- 3. 1. 3. Π‘ΠΈΠΌΠΌΠ΅ΡΡΠΈΠ·ΠΎΠ²Π°Π½Π½ΡΠΉ ΠΏΠΎΠ΄Ρ ΠΎΠ΄
- 3. 1. 4. Π‘ΡΠ°Π²Π½Π΅Π½ΠΈΠ΅ ΠΏΠΎΠ΄Ρ ΠΎΠ΄ΠΎΠ²
- 3. 2. ΠΡΠ΅Π½ΠΊΠ° ΡΠΊΠΎΡΠΎΡΡΠΈ ΡΡ
ΠΎΠ΄ΠΈΠΌΠΎΡΡΠΈ ΠΠ-Π°Π»Π³ΠΎΡΠΈΡΠΌΠ°
- 3. 2. 1. ΠΡΠ΅Π½ΠΊΠ° Π°ΡΠΈΠΌΠΏΡΠΎΡΠΈΡΠ΅ΡΠΊΠΎΠΉ ΡΠΊΠΎΡΠΎΡΡΠΈ ΡΡ ΠΎΠ΄ΠΈΠΌΠΎΡΡΠΈ
- 3. 2. 2. Π£ΡΠ»ΠΎΠ²ΠΈΠ΅ ΡΡΠΏΠ΅ΡΠ»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ ΡΡ ΠΎΠ΄ΠΈΠΌΠΎΡΡΠΈ
- 3. 3. ΠΠ΅ΡΠΎΠ΄Ρ ΡΠ»ΡΡΡΠ΅Π½ΠΈΡ ΡΡ
ΠΎΠ΄ΠΈΠΌΠΎΡΡΠΈ ΠΠ-Π°Π»Π³ΠΎΡΠΈΡΠΌΠ°
- 3. 3. 1. ΠΠ°Π΄Π°Π½ΠΈΠ΅ Π½Π°ΡΠ°Π»ΡΠ½ΠΎΠ³ΠΎ ΠΏΡΠΈΠ±Π»ΠΈΠΆΠ΅Π½ΠΈΡ ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ
- 3. 3. 2. ΠΠ΅ΡΠΎΠ΄ ΡΠ³Π»Π°ΠΆΠ΅Π½Π½ΠΎΠΉ ΠΊΠΎΡΡΠ΅Π»ΡΡΠΈΠΈ
- 3. 3. 3. ΠΠ°ΡΠ°Π»ΡΠ½ΠΎΠ΅ ΠΏΡΠΈΠ±Π»ΠΈΠΆΠ΅Π½ΠΈΠ΅ ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ ΠΏΠΎ ΠΏΡΠ΅Π΄ΡΡΠ°Π²ΠΈΡΠ΅Π»ΡΠ½ΡΠΌ ΠΎΠ±ΡΠ΅ΠΊΡΠ°ΠΌ
- 3. 3. 4. ΠΠ±Π½ΡΠ»Π΅Π½ΠΈΠ΅ ΠΌΠ°Π»ΡΡ ΠΊΠΎΠΌΠΏΠΎΠ½Π΅Π½Ρ ΡΠΊΡΡΡΡΡ ΠΏΠ΅ΡΠ΅ΠΌΠ΅Π½Π½ΡΡ ΠΈ ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ
- 3. 1. ΠΠΎΡΡΡΠ°Π½ΠΎΠ²Π»Π΅Π½ΠΈΠ΅ ΡΠΊΡΡΡΡΡ
ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ ΠΊΠ»ΠΈΠ΅Π½ΡΠΎΠ² ΠΈ ΠΎΠ±ΡΠ΅ΠΊΡΠΎΠ²
- 4. 1. ΠΠΏΠΈΡΠ°Π½ΠΈΠ΅ Π½Π°Π±ΠΎΡΠΎΠ² Π΄Π°Π½Π½ΡΡ
- 4. 1. 1. ΠΠΎΠ΄Π΅Π»ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ Π΄Π°Π½Π½ΡΡ
- 4. 1. 2. ΠΠ°Π½Π½ΡΠ΅ ΠΏΠΎΠΈΡΠΊΠΎΠ²ΠΎΠΉ ΠΌΠ°ΡΠΈΠ½Ρ
- 4. 1. 3. ΠΠ°Π½Π½ΡΠ΅ ΠΈΠ½ΡΠ΅ΡΠ½Π΅Ρ-ΠΌΠ°Π³Π°Π·ΠΈΠ½Π°
- 4. 2. Π€ΡΠ½ΠΊΡΠΈΠΎΠ½Π°Π»Ρ ΠΊΠ°ΡΠ΅ΡΡΠ²Π°
- 4. 2. 1. Π‘ΡΠ°Π²Π½Π΅Π½ΠΈΠ΅ ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ
- 4. 2. 2. Π€ΡΠ½ΠΊΡΠΈΠΎΠ½Π°Π» ΠΊΠ°ΡΠ΅ΡΡΠ²Π° Π½Π° ΠΌΠΎΠ΄Π΅Π»ΡΠ½ΡΡ Π΄Π°Π½Π½ΡΡ
- 4. 2. 3. Π€ΡΠ½ΠΊΡΠΈΠΎΠ½Π°Π»Ρ ΠΊΠ°ΡΠ΅ΡΡΠ²Π° Π½Π° ΡΠ΅Π°Π»ΡΠ½ΡΡ Π΄Π°Π½Π½ΡΡ
- 4. 3. ΠΠΏΠΈΡΠ°Π½ΠΈΠ΅ ΡΠΊΡΠΏΠ΅ΡΠΈΠΌΠ΅Π½ΡΠΎΠ²
- 4. 3. 1. Π‘ΡΠ°Π²Π½Π΅Π½ΠΈΠ΅ ΡΠ°Π·Π»ΠΈΡΠ½ΡΡ Π°Π»Π³ΠΎΡΠΈΡΠΌΠΎΠ² ΠΠΠ‘
- 4. 3. 2. ΠΠ°ΡΠ°Π»ΡΠ½ΠΎΠ΅ ΠΏΡΠΈΠ±Π»ΠΈΠΆΠ΅Π½ΠΈΠ΅
- 4. 3. 3. ΠΠ΅ΡΠΎΠ΄ΠΈΠΊΠ° ΠΎΠ±Π½ΡΠ»Π΅Π½ΠΈΡ ΠΌΠ°Π»ΡΡ ΠΊΠΎΠΌΠΏΠΎΠ½Π΅Π½Ρ ΡΠΊΡΡΡΡΡ ΠΏΠ΅ΡΠ΅ΠΌΠ΅Π½Π½ΡΡ
- 4. 3. 4. ΠΠ°ΡΡΠ° ΡΡ ΠΎΠ΄ΡΡΠ²Π° Π²ΡΠ΅Ρ ΠΎΠ±ΡΠ΅ΠΊΡΠΎΠ²
- 4. 3. 5. ΠΠΎΠΊΠ°Π»ΡΠ½Π°Ρ ΠΊΠ°ΡΡΠ° ΡΡ ΠΎΠ΄ΡΡΠ²Π° ΠΎΠ±ΡΠ΅ΠΊΡΠΎΠ²
- 4. 3. 6. ΠΠ½ΡΠ΅ΡΠΏΡΠ΅ΡΠ°ΡΠΈΠΈ ΠΈ
Π‘ΠΏΠΈΡΠΎΠΊ Π»ΠΈΡΠ΅ΡΠ°ΡΡΡΡ
- ΠΠΎΡΠΎΠ½ΡΠΎΠ² Π. Π. ΠΡΠ΅Π΄Π²Π°ΡΠΈΡΠ΅Π»ΡΠ½Π°Ρ ΠΎΠ±ΡΠ°Π±ΠΎΡΠΊΠ° Π΄Π°Π½Π½ΡΡ Π΄Π»Ρ ΡΠ΅ΡΠ΅Π½ΠΈΡ ΡΠΏΠ΅ΡΠΈΠ°Π»ΡΠ½ΠΎΠ³ΠΎ ΠΊΠ»Π°ΡΡΠ° Π·Π°Π΄Π°Ρ ΡΠ°ΡΠΏΠΎΠ·Π½Π°Π²Π°Π½ΠΈΡ // ΠΠΠ ΠΈ ΠΠ€. — 1995. — Π’. 35, № 10. — Π‘. 1565−1575.
- ΠΡΡΠ²Π»Π΅Π½ΠΈΠ΅ ΠΈ Π²ΠΈΠ·ΡΠ°Π»ΠΈΠ·Π°ΡΠΈΡ ΠΌΠ΅ΡΡΠΈΡΠ΅ΡΠΊΠΈΡ ΡΡΡΡΠΊΡΡΡ Π½Π° ΠΌΠ½ΠΎΠΆΠ΅ΡΡΠ²Π°Ρ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Π΅ΠΉ ΠΈ ΡΠ΅ΡΡΡΡΠΎΠ² ΠΠ½ΡΠ΅ΡΠ½Π΅Ρ / Π. Π. ΠΠΎΡΠΎΠ½ΡΠΎΠ², Π. Π. Π ΡΠ΄Π°ΠΊΠΎΠ², Π. Π. ΠΠ΅ΠΊΡΠΈΠ½, Π. Π. ΠΡΠΈΠΌΠΎΠ² // ΠΡΠΊΡΡΡΡΠ²Π΅Π½Π½ΡΠΉ ΠΠ½ΡΠ΅Π»Π»Π΅ΠΊΡ. 2006. — Π‘. 285−288.
- ΠΠ΅ΠΊΡΠΈΠ½ Π. Π. ΠΠ΅ΡΡΠΎΠ½Π°Π»ΠΈΠ·Π°ΡΠΈΡ ΠΊΠΎΠ½ΡΠ΅Π½ΡΠ° Π½Π° ΠΎΡΠ½ΠΎΠ²Π΅ ΠΎΡΠ΅Π½ΠΎΠΊ ΡΡ ΠΎΠ΄ΡΡΠ²Π° ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Π΅ΠΉ ΠΈ ΡΠ΅ΡΡΡΡΠΎΠ² ΡΠ΅ΡΠΈ ΠΈΠ½ΡΠ΅ΡΠ½Π΅Ρ // Π’ΡΡΠ΄Ρ 49-ΠΉ Π½Π°ΡΡΠ½ΠΎΠΉ ΠΊΠΎΠ½ΡΠ΅ΡΠ΅Π½ΡΠΈΠΈ ΠΠ€Π’Π. Π’. Π£Π-2. — 2006. — Π‘. 276−277.
- ΠΠ΅ΠΊΡΠΈΠ½ Π. Π. ΠΡΠ΅Π½ΠΈΠ²Π°Π½ΠΈΠ΅ ΡΡ ΠΎΠ΄ΡΡΠ²Π° ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Π΅ΠΉ ΠΈ ΡΠ΅ΡΡΡΡΠΎΠ² ΠΏΡΡΠ΅ΠΌ Π²ΡΡΠ²Π»Π΅Π½ΠΈΡ ΡΠΊΡΡΡΡΡ ΡΠ΅ΠΌΠ°ΡΠΈΡΠ΅ΡΠΊΠΈΡ ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ // Π’ΡΡΠ΄Ρ 50-ΠΉ Π½Π°ΡΡΠ½ΠΎΠΉ ΠΊΠΎΠ½ΡΠ΅ΡΠ΅Π½ΡΠΈΠΈ ΠΠ€Π’Π. Π’. Π£Π-2. — 2007. — Π‘. 104 106.
- ΠΠ΅ΠΊΡΠΈΠ½ Π. Π., ΠΠΎΡΠΎΠ½ΡΠΎΠ² Π. Π. ΠΠ½Π°Π»ΠΈΠ· ΠΊΠ»ΠΈΠ΅Π½ΡΡΠΊΠΈΡ ΡΡΠ΅Π΄: Π²ΡΡΠ²Π»Π΅Π½ΠΈΠ΅ ΡΠΊΡΡΡΡΡ ΠΏΡΠΎΡΠΈΠ»Π΅ΠΉ ΠΈ ΠΎΡΠ΅Π½ΠΈΠ²Π°Π½ΠΈΠ΅ ΡΡ ΠΎΠ΄ΡΡΠ²Π° ΠΊΠ»ΠΈΠ΅Π½ΡΠΎΠ² ΠΈ ΡΠ΅ΡΡΡΡΠΎΠ² // ΠΠ°ΡΠ΅ΠΌΠ°ΡΠΈΡΠ΅ΡΠΊΠΈΠ΅ ΠΌΠ΅ΡΠΎΠ΄Ρ ΡΠ°ΡΠΏΠΎΠ·Π½Π°Π²Π°Π½ΠΈΡ ΠΎΠ±ΡΠ°Π·ΠΎΠ²-13. — Π.: ΠΠΠΠ‘ ΠΡΠ΅ΡΡ, 2007. Π‘. 488−491.
- Π ΠΌΠ΅ΡΡΠΈΡΠ΅ΡΠΊΠΈΡ ΡΡΡΡΠΊΡΡΡΠ°Ρ Π½Π° ΠΌΠ½ΠΎΠΆΠ΅ΡΡΠ²Π°Ρ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Π΅ΠΉ ΠΈ ΡΠ΅ΡΡΡΡΠΎΠ² ΠΈΠ½ΡΠ΅ΡΠ½Π΅Ρ / Π. Π. ΠΠΎΡΠΎΠ½ΡΠΎΠ², Π. Π. Π ΡΠ΄Π°ΠΊΠΎΠ², Π. Π. ΠΠ΅ΠΊΡΠΈΠ½, Π. Π. ΠΡΠΈΠΌΠΎΠ² // ΠΠ½ΡΠ΅Π»Π»Π΅ΠΊΡΡΠ°Π»ΠΈΠ·Π°ΡΠΈΡ ΠΎΠ±ΡΠ°Π±ΠΎΡΠΊΠΈ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΠΈ: Π’Π΅Π·ΠΈΡΡ Π΄ΠΎΠΊΠ». Π‘ΠΈΠΌΡΠ΅ΡΠΎΠΏΠΎΠ»Ρ. — 2006. — Π‘. 46−48.
- Adomavicius G., Tuzhilin A. Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions // IEEE Transactions on Knowledge and Data Engineering. — 2005. — Vol. 17, no. 6.
- Application of dimensionality reduction in recommender system a case study / Badrul M. Sarwar, George Karypis, Joseph A. Konstan, John T. Riedl //IN ACM WEBKDD WORKSHOP. — 2000.
- Billsus Daniel, Pazzani Michael J. Learning collaborative information filters 11 Proc. 15th International Conf. on Machine Learning. — Morgan Kaufmann, San Francisco, CA, 1998. — Pp. 46−54.
- Brand Matthew. Fast online svd revisions for lightweight recommender systems // SIAM International Conference on Data Mining. 2003.
- Canny John. Collaborative filtering with privacy via factor analysis //In Proceedings of the 25th annual international ACM
- SIGIR conference on Research and development in information retrieval. ACM Press, 2002. — Pp. 238−245.
- Dempster A. P., Laird N. M., Rubin D. B. Maximum likelihood from incomplete data via the EM algorithm // J. of the Royal Statistical Society, Series B. — 1977. — no. 34. — Pp. 1−38.
- Goldberg Ken, Roeder Theresa, Gupta Dhruv, Perkins Chris. Eigentaste: A constant time collaborative filtering algorithm. — 2000.
- Fayyad Usama M., Reina Cory A., Bradley Paul S. Initialization of iterative refinement clustering algorithms // Knowledge Discovery and Data Mining. AAAI Press, 1998. — Pp. 194−198.
- Generative models for cold-start recommendations / Andrew I. Schein, Alexandrin Popescul, Lyle H. Ungar,
- David M. Pennock // the SIGIR’Ol Workshop on Recommender Systems. 2001.
- George Thomas. A scalable collaborative filtering framework based on co-clustering // Fifth IEEE International Conference on Data Mining. 2005. — Pp. 625−628.
- Grcar M. User profiling: Collaborative filtering // SIKDD 2004 at multiconference IS 12−15 Oct 2004, Ljubljana, Slovenia. — 2004.
- GroupLens: An open architecture for collaborative filtering of netnews / P. Resnick, N. Iacovou, M. Suchak et al. // Proceedings of ACM 1994 Conference on Computer Supported Cooperative Work. Chapel Hill, North Carolina: ACM, 1994. — Pp. 175−186.
- Gunawardana Asela, Byrne William. Convergence theorems for generalized alternating minimization procedures // J. Mach. Learn. Res. 2005. — Vol. 6. — Pp. 2049−2073.
- Hofmann Thomas. Latent semantic models for collaborative filtering // ACM Transactions on Information Systems. — 2004.— Vol. 22, no. l.-Pp. 89−115.
- Hofmann Thomas, Puzicha Jan. Latent class models for collaborative filtering // International Joint Conference in Artificial Intelligence. 1999.
- Indexing by latent semantic analysis / Scott Deerwester, Susan T. Dumais, George W. Furnas et al. // Journal of the
- American Society for Information Science. — 1990. — Vol. 41. — Pp. 391−407.
- Item-based collaborative filtering recommendation algorithms / Badrul Sarwar, George Karypis, Joseph Konstan, John Reidl // Proceedings of the 10th international conference on World Wide Web. WWW '01. — New York, NY, USA: ACM, 2001. — Pp. 285 295.
- Jin R, Si Luo, Zhai Chengxiang. A study of mixture models for collaborative filtering // Information Retrieval. — 2006. — Vol. 9, no. 3. Pp. 357−382.
- Leksin V. A. Symmetrization and overfitting in probabilistic latent semantic analysis // Pattern Recognition and Image Analysis. — 2009. Vol. Volume 19, Number 4 / ΠΠ΅ΠΊΠ°Π±ΡΡ 2009 Π³. — Pp. 565 574.
- Leksin V. A., Vorontsov Π. Π The overfitting in probabilistic latent semantic models // Pattern Recognition and Image Analysis: new information technologies (PRIA-9).— Vol. 1.— Nizhni Novgorod, Russian Federation, 2008. Pp. 393−396.
- Marlin B. Collaborative filtering: A machine learning perspective: Ph.D. thesis / Master’s thesis, University of Toronto. — 2004.
- Marlin Benjamin, Zemel Richard S. The multiple multiplicative factor model for collaborative filtering // Proceedings of the 21-th International Conference on Machine Learning- Banff, Alberta, Canada. ACM, 2004. — Pp. 73−80.
- Michael Daniel Billsus. Learning collaborative information filters. 1998.
- Pavlov Dmitry Y., Pennock David M. A maximum entropy approach to collaborative filtering in dynamic, sparse, high-dimensional domains //In Proceedings of Neural Information Processing Systems. MIT Press, 2002. — Pp. 1441−1448.
- Scalable collaborative filtering using cluster-based smoothing / Gui rong Xue, Chenxi Lin, Qiang Yang et al. //In Proc. of SIGIR. 2005. — Pp. 114−121.
- Si Luo, Jin Rong. Flexible mixture model for collaborative filtering // Proceedings of ICML'03.- AAAI Press, 2003.-Pp. 704−711.
- Srebro Nathan, Rennie Jason D. M., Jaakkola Tommi S. Maximum-margin matrix factorization // Advances in Neural Information Processing Systems 17. — MIT Press, 2005. — Pp. 1329−1336.
- Two-way latent grouping model for user preference prediction / Eerika Savia, Kai Puolama"ki, Janne Sinkkonen, Samuel Kaski // In Proceedings of the UAI'05. AU AI Press, 2005. — Pp. 518−525.
- Ungar L., Foster D. Clustering methods for collaborative filtering // Proceedings of the Workshop on Recommendation Systems. — AAAI Press, Menlo Park California, 1998.
- Vinokourov Alexei, Girolami Mark. A probabilistic framework for the hierarchic organisation and classification of document collections. 2002.