Kuidas töötab LightFM algoritm?

LightFM on hübriidne soovitussüsteemide algoritm, mis ühendab koostööpõhise filtreerimise ja sisupõhised meetodid. See kasutab maatriksi faktoreerimist kasutajate ja objektide esinduste õppimiseks, arvestades nii interaktsioone (näiteks vaadatud, ostetud) kui ka täiendavaid omadusi (features) kasutajate ja elementide kohta.

LightFM peamised punktid:

• Sisendandmed: interaktsioonide maatriks (kasutaja — objekt) ja valikulised omadused kasutajatele ja objektidele.
• Mudelit treenitakse minimeerima kaotuse funktsiooni, mis võib põhineda järjestamisel (näiteks WARP) või regressioonil.
• Tulemuseks on omaduste vektorid kasutajatele ja objektidele, mida saab kasutada interaktsiooni tõenäosuse prognoosimiseks.

Python näide:

from lightfm import LightFM
from lightfm.datasets import fetch_movielens

data = fetch_movielens(min_rating=4.0)

model = LightFM(loss='warp')
model.fit(data['train'], epochs=30, num_threads=2)

# Ennusta tõenäosust, et kasutaja 3 huvitub filmist 10
score = model.predict(3, 10)

Seega sobib LightFM soovitussüsteemidele, kus on nii interaktsioone kui ka täiendavaid metaandmeid.