Какие классические подходы существуют для заполнения пропусков в матрице взаимодействий в рекомендательных системах?

В рекомендательных системах матрица взаимодействий (например, пользователь-продукт) часто содержит пропуски, так как не все пользователи взаимодействуют со всеми объектами. Классические подходы для заполнения таких пропусков включают:

• Среднее значение: заполнение пропусков средним рейтингом пользователя или средним рейтингом по объекту.
• Коллаборативная фильтрация:
  • User-based: предсказание на основе похожих пользователей.
  • Item-based: предсказание на основе похожих объектов.
• Матричное разложение:
  • SVD (сингулярное разложение)
  • ALS (альтернативное минимизирование по наименьшим квадратам)
  • FunkSVD и другие методы факторизации матриц, которые восстанавливают недостающие значения через низкоранговое приближение.
• Модели на основе машинного обучения:
  • Использование методов регрессии, нейронных сетей, градиентного бустинга для предсказания пропущенных значений.

Чаще всего для больших и разреженных матриц применяют матричное разложение, так как оно хорошо выявляет скрытые факторы и обеспечивает точные предсказания.