Le filtrage collaboratif (CF) est une approche de recommandation populaire qui a fait l'objet de recherches approfondies au cours des deux dernières décennies, ce qui a donné lieu à un ensemble varié d'algorithmes et à une vaste collection d'outils permettant d'évaluer leurs performances. Cette recherche propose une nouvelle approche de recommandation pour traiter les problèmes de mouton gris et de rareté des données, dans le but d'améliorer la précision de la prédiction en déduisant de nouveaux utilisateurs à partir des utilisateurs existants dans les ensembles de données. Cette transformation crée des utilisateurs ayant des préférences opposées à celles des utilisateurs réels, ce qui augmente le nombre d'utilisateurs et résout les deux problèmes mentionnés. Les performances de cette approche ont été évaluées à l'aide de deux ensembles de données, MovieLens et FilmTrust. Dans l'ensemble, ce livre contribue au développement de meilleurs systèmes de recommandation capables de relever les défis de la surcharge de données et d'améliorer l'expérience de l'utilisateur.