Что такое implicit feedback и какие модели его учитывают (BPR, WARP)?

Implicit feedback — это косвенная обратная связь от пользователей, которая не выражается явно (например, в виде оценок), а выводится из их поведения: просмотры, клики, покупки, время взаимодействия и т.п. В рекомендательных системах такой тип данных часто используется, так как явные оценки бывают редки.

Модели, учитывающие implicit feedback:

• BPR (Bayesian Personalized Ranking) — оптимизирует ранжирование, предполагая, что пользователь предпочитает просмотренные/кликнутые элементы невыбранным. Обучается на парах «положительный» vs «отрицательный» элемент.

• WARP (Weighted Approximate-Rank Pairwise loss) — также оптимизирует ранжирование, используя взвешенную функцию потерь, которая фокусируется на верхних позициях в списке рекомендаций, что важно для качества рекомендаций.

Обе модели работают с парами элементов и направлены на улучшение порядка рекомендаций, учитывая только косвенные сигналы от пользователей.