Что такое матричное разложение в рекомендациях (SVD, ALS)?

Матричное разложение — это метод в рекомендательных системах, который позволяет представить взаимодействия пользователей и объектов (например, фильмов, товаров) в виде произведения двух или более матриц с меньшей размерностью.

• SVD (Сингулярное разложение матрицы): разлагает матрицу пользователь-объект на три матрицы, выделяя скрытые факторы, которые объясняют предпочтения пользователей и характеристики объектов. Это помогает предсказывать оценки для пар, где данные отсутствуют.

• ALS (Alternating Least Squares): алгоритм оптимизации для матричного разложения, который поочередно обновляет матрицы пользователей и объектов, минимизируя ошибку предсказания. Часто используется для работы с разреженными данными.

Пример: если у нас есть матрица с оценками пользователей фильмов, матричное разложение позволяет выявить скрытые предпочтения (жанры, стили) и рекомендовать фильмы, которые пользователь еще не смотрел, но которые ему могут понравиться.