Perpustakaan Digital ITB

Dalam beberapa tahun terakhir, sistem rekomendasi telah menjadi cara yang penting untuk membantu pengguna dalam menavigasi semua informasi dan produk yang tersedia di internet. Di antara berbagai teknik yang dapat digunakan dalam sistem rekomendasi, Restricted Boltzmann Machines (RBM) telah menjadi salah satu pendekatan yang populer karena kemampuannya menangkap pola rumit dalam data dengan dimensi tinggi. Restricted Boltzmann Machines (RBM) merupakan suatu neural network stokastik yang bersifat generatif yang bisa mempelajari distribusi probabilitas atas kumpulan inputnya. Dalam konteks sistem rekomendasi, RBM unggul dalam menggunakan interaksi item dan pengguna dalam kumpulan data, sehingga memungkinkan mereka membuat prediksi akurat dan menghasilkan rekomendasi yang dipersonalisasi. Tidak seperti pendekatan rekomendasi tradisional yang mengandalkan penilaian item pengguna secara eksplisit, RBM dapat secara efektif menangani feedback implisit, sehingga cocok untuk diguankan dalam berbagai macam hal di dunia nyata. Penggunaan RBM untuk rekomendasi film sangat populer di situs-situs seperti letterboxd, suatu situs yang memungkinkan pengguna untuk memberi rating berbagai film, untuk mengarsipkan film yang telah ditonton. RBM dapat digunakan untuk membantu pengguna di situs web seperti letterboxd, untuk melihat film-film baru yang belum mereka beri rating. Dengan menggunakan collaborative filtering sebagai metode untuk menerapkan rekomendasi film, RBM dapat digunakan secara efisien untuk memprediksi rating berdasarkan film yang telah ditonton dan diulas pengguna.