協調フィルタリングに行列分解を使用することについて読んでいますが、新しいユーザーまたはアイテムをシステムに追加したり、ユーザーに新しいアイテムを評価させたりする例を見つけることができないようです。このような場合、アイテムとユーザーの行列と因数分解を再計算する必要がありますよね? これは、多数のユーザーとアイテムでどのようにうまく機能しますか? それを回避する方法はありますか？
ありがとうございました
4886 次
1 に答える
5
あなたの質問には 2 つの部分があります。(A) 新しいユーザーとアイテムに対処する方法、および (B) 新しいインタラクション (評価、クリックなど) に対処する方法です。
(A) 基本的に、新しいユーザーとアイテムを処理するための 2 つの異なる戦略があります (行列因数分解を使用するかどうかに関係なく)。
- ユーザー (人口統計、調査) またはアイテム (価格、ジャンル、テキストによる説明、カテゴリ) の属性からのユーザー/アイテムの特徴の推定
- 能動的学習: システムと対話するすべてのユーザーに新しいアイテムを表示するか、システムの新しいユーザーに特定のアイテムを表示することで、個々のユーザー エクスペリエンスとシステムによる情報取得のバランスをとります。
学術文献には、両方の問題に関する多くの論文があります。
(B) これは実際には問題ではありません。行列分解モデルの増分更新は、計算コストが高くありません。たとえば、この論文を参照してください: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.165.8010&rep=rep1&type=pdf
MyMediaLite ライブラリ (免責事項: 私は主な作成者です) は、いくつかの行列因数分解方法の増分更新をサポートしています: http://ismll.de/mymedialite
于 2012-10-10T21:20:45.063 に答える