Hoe zet je items om in embeddings en doe je aanbevelingen op basis daarvan?

Om objecten (bijvoorbeeld producten, artikelen, films) om te zetten in embeddings en op basis daarvan aanbevelingen te doen, worden doorgaans de volgende stappen gevolgd:

1. Kenmerken selecteren: gegevens verzamelen over de objecten — tekstuele beschrijvingen, categorieën, kenmerken, afbeeldingen, enz.

2. Transformeren naar vectorruimte:

   • Voor tekstgegevens kunnen modellen zoals Word2Vec, FastText, BERT, Sentence Transformers worden gebruikt, die de tekst omzetten in vaste-dimensionale vectoren.
   • Voor afbeeldingen, gebruik voorgetrainde CNN's (bijvoorbeeld ResNet) om kenmerken te extraheren.
   • Voor categorische en numerieke kenmerken, one-hot codering, normalisatie en/of het trainen van embeddings toepassen.

3. Kenmerken combineren: als er meerdere datatypes zijn, deze samenvoegen tot één embeddingvector.

4. Training van het embeddingmodel (optioneel): een model trainen dat de interacties tussen gebruikers en objecten meeneemt (bijvoorbeeld matrixfactorisatie, neurale netwerken met triplet- of contrastieve verliesfuncties).

5. Aanbevelingen:

   • Voor een nieuwe gebruiker of query, de embedding van de relevante objecten vinden.
   • Gebruik maken van gelijkenheidsmetingen (cosinusafstand, Euclidische afstand) om de dichtstbijzijnde buren in de embeddingruimte te vinden.
   • Objecten aanbevelen met de meest vergelijkbare embeddings.

Voorbeeld in Python met de library sentence-transformers voor tekstbeschrijvingen:

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

items = ["Rood katoenen T-shirt", "Blauwe jeans", "Zwarte leren laarzen"]
model = SentenceTransformer('all-MiniLM-L6-v2')
embeddings = model.encode(items)

# Het object vinden dat het meest lijkt op "Blauwe T-shirt"
query = "Blauwe T-shirt"
query_emb = model.encode([query])

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

Op deze manier maken embeddings het mogelijk om objecten op een handige manier te representeren en aanbevelingen te doen op basis van de nabijheid in de vectorruimte.