Кои класически подходи съществуват за запълване на пропуските в матрицата на взаимодействията в системите за препоръки?

В системите за препоръки матрицата на взаимодействията (например, потребител-продукт) често съдържа пропуски, тъй като не всички потребители взаимодействат с всички обекти. Класическите подходи за запълване на такива пропуски включват:

• Средна стойност: запълване на пропуските с средната оценка на потребителя или средната оценка за обекта.
• Колаборативно филтриране:
  • Базирано на потребителя: предсказване въз основа на подобни потребители.
  • Базирано на обекта: предсказване въз основа на подобни обекти.
• Матрично разлагане:
  • SVD (разлагане на сингулярните стойности)
  • ALS (алтернативно минимизиране на квадрати)
  • FunkSVD и други методи за факторизация на матрици, които възстановяват липсващите стойности чрез нискорангово приближение.
• Модели, базирани на машинно обучение:
  • Използване на регресионни методи, невронни мрежи, градиентен буустинг за предсказване на липсващите стойности.

Обикновено за големи и разредени матрици се прилага матрично разлагане, тъй като то добре разкрива скритите фактори и осигурява точни предсказания.