Kā pārvērst priekšmetus embedos un ieteikt tos pēc to?

Lai pārveidotu priekšmetus (piemēram, preces, rakstus, filmas) uz iekļāvumiem un ieteiktu tos, pamatojoties uz tiem, parasti veic šādus soļus:

1. Zīmju izvēle: savākt datus par priekšmetiem — teksta aprakstus, kategorijas, raksturlielumus, attēlus utt.

2. Pārvēršana vektoru telpā:

   • Teksta datiem var izmantot Word2Vec, FastText, BERT, Sentence Transformers modeļus, kas pārvērš tekstu fiksēta izmēra vektoros.
   • Attēliem — izmantot iepriekš apmācītus CNN (piemēram, ResNet) funkciju izvilkšanai.
   • Kategoriju un skaitliskajiem raksturlielumiem — piemērot one-hot kodēšanu, normalizāciju un/vai mācīt iekļāvumus.

3. Zīmju apvienošana: ja ir vairāki datu tipi, apvienot tos vienā iekļāvuma vektorā.

4. Iekļāvumu modeļa apmācība (neobligāti): var apmācīt modeli, kas ņem vērā lietotāju un priekšmetu mijiedarbību (piemēram, matricu faktorizācija, neironu tīkli ar triplet loss vai contrastive loss).

5. Ieteikumi:

   • Atrast jauna lietotāja vai pieprasījuma iekļāvumu interesējošiem priekšmetiem.
   • Izmantot līdzības metriku (kosiņusāls attālums, Eiklīda attālums), lai atrastu tuvākos kaimiņus iekļāvumu telpā.
   • Ieteikt priekšmetus ar vislielāko līdzību iekļāvumiem.

Teksta aprakumiem piemērs ar Python, izmantojot sentence-transformers bibliotēku:

from sentence_transformers import SentenceTransformer
from sklearn.metrics.pairwise import cosine_similarity
import numpy as np

items = ["Sarkana T-krekls no kokvilnas", "Zilas džinsas", "Melni ādas zābaki"]
model = SentenceTransformer('all-MiniLM-L6-v2')
embeddings = model.encode(items)

# Atrodi priekšmetu, kas ir līdzīgs "Zilai T-krekli"
query = "Zila T-krekls"
query_emb = model.encode([query])

similarities = cosine_similarity(query_emb, embeddings)[0]
most_similar_idx = np.argmax(similarities)
print(f"Ieteicamais priekšmets: {items[most_similar_idx]}")

Tādējādi, iekļāvumi ļauj priekšmetus attēlot ērtā veidā un veidot ieteikumus, balstoties uz to līdzību vektoru telpā.