Algumas estratégias de recomendação baseadas em collaborative filtering utilizam o K-Nearest Neighbours (KNN) para definir grupos de vizinhos (i.e....

Algumas estratégias de recomendação baseadas em collaborative filtering utilizam o K-Nearest Neighbours (KNN) para definir grupos de vizinhos (i.e., usuários com interesses em comum) e, assim, identificar preferências. Em geral, nesses modelos, a predição de um rating ocorre pela média das notas que os vizinhos atribuíram ao item-alvo (soma das notas dividido pelo número de vizinhos). Contudo, imagine que o seu sistema possua alguns usuários que são críticos profissionais e que suas opiniões são mais importantes que dos demais usuários. Como você poderia modificar o seu sistema para enviesar a predição com as notas dos críticos? Grupo de escolhas da pergunta Alterando o modelo KNN para um modelo mais simples, como uma estratégia não personalizada que recomenda os itens mais bem avaliados. Alterando o modelo KNN para um modelo CF item-item, que considere as notas dos itens individualmente. Alterando o modelo KNN para um modelo mais robusto, como por exemplo, um CF model-based com uma estratégia de Fatoração de Matrizes. Alterando o próprio modelo KNN para atribuir mais peso às revisões realizadas pelos críticos, simplesmente considerando duas ou três vezes as notas deles.