Ինչպես է աշխատում LightFM ալգորիթմը?

LightFM հիբրիդային առաջարկային համակարգերի ալգորիթմ է, որը համակցում է համագործակցային ֆիլտրումը և բովանդակության վրա հիմնված մեթոդները: Այն օգտագործում է մատրիցի ֆակտորիզացիա՝ օգտագործողների և օբյեկտների ներկայացումները սովորելու համար՝ հաշվի առնելով ինչպես փոխազդեցությունները (օրինակ՝ դիտումները, գնումները), այնպես էլ լրացուցիչ հատկանիշները (features) օգտագործողների և տարրերի:

LightFM-ի հիմնական կետերը՝

• Մուտքային տվյալներ՝ փոխազդեցությունների մատրիցա (օգտագործող — օբյեկտ) և ընտրովի հատկանիշներ օգտագործողների և օբյեկտների համար:
• Մոդելը ուսուցանվում է նվազեցնելու համար կորուստային ֆունկցիան, որը կարող է հիմնված լինել դասակարգման վրա (օրինակ՝ WARP) կամ ռեգրեսիայով:
• Արդյունքում ստացվում են հատկանիշների վեկտորներ օգտագործողների և օբյեկտների համար, որոնք կարող են օգտագործվել փոխազդեցության հավանականությունը կանխատեսելու համար:

Օգտագործման օրինակ Python-ում՝

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)

# Նախագուշակել, թե որքան հավանական է, որ օգտագործող 3-ը հետաքրքրվի ֆիլմով 10
score = model.predict(3, 10)

Այսպիսով, LightFM-ը հարմար է առաջարկային համակարգերի համար, որտեղ կա ինչպես փոխազդեցություններ, այնպես էլ լրացուցիչ մետադատված տվյալներ։