باختصار
الترشيح التعاوني (Collaborative Filtering) هو التنبّؤ باهتمامات مستخدم واحد اعتمادًا على اهتمامات كثير من المستخدمين الآخرين.
بالتفصيل
الفكرة الأساسية إنك ما بتحتاجش تفهم المحتوى نفسه. مش لازم تعرف إن الفيلم ده «خيال علمي» أو إن الكتاب ده «عن الاقتصاد». يكفيك تعرف مين أحبّ إيه.
لو مستخدمون كُثر أحبّوا العنصرين A وB معًا، ولو إنت أحببت A، فالاحتمال مرتفع إنك تحبّ B — بغضّ النظر عن ماهية A وB أصلًا.
وده اللي بيخلّي الطريقة قوية: بتكتشف علاقات ما كانش حدّ هيفكّر يوسمها يدويًا، وبتشتغل عبر أنواع محتوى مختلفة.
والترشيح التعاوني بيُستخدم كثيرًا داخل أنظمة التوصية (Recommendation Systems).
وأشهر عيوبه مشكلة «البداية الباردة» (Cold Start): المستخدم الجديد ما عندوش تاريخ، والعنصر الجديد ما حدّش تفاعل معاه، فالنظام ما عندوش أساس يبني عليه. ولذلك بتتدمج الطريقة عادةً مع ترشيح قائم على المحتوى.
مثال عملي
منصّة قراءة عربية. مستخدم قرأ كتابًا عن تاريخ الأندلس.
الترشيح التعاوني بيلاحظ إن غالبية من قرأوا هذا الكتاب قرأوا كمان كتابًا عن العمارة الإسلامية — فيرشّحه. النظام ما «فهمش» أي علاقة موضوعية بين الكتابين؛ هو بس رصد نمطًا في سلوك آلاف القرّاء.
مصطلحات مرتبطة
- Recommendation System — نظام التوصية.
- Candidate Generation — توليد المرشّحين.
- Cold Start — البداية الباردة.
المصادر: Google ML Glossary
