Como funciona o algoritmo LightFM?

O LightFM é um algoritmo híbrido de sistemas de recomendação que combina filtragem colaborativa e métodos baseados em conteúdo. Utiliza fatoração matricial para aprender representações de utilizadores e objetos, considerando tanto as interações (por exemplo, visualizações, compras) como atributos adicionais (características) de utilizadores e elementos.

Principais pontos do LightFM:

• Dados de entrada: matriz de interações (utilizador — objeto) e atributos opcionais para utilizadores e objetos.
• O modelo é treinado para minimizar uma função de perda, que pode ser baseada em classificação (por exemplo, WARP) ou regressão.
• Como resultado, obtêm-se vetores de características para utilizadores e objetos, que podem ser usados para prever a probabilidade de interação.

Exemplo de uso em Python:

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)

# Previsão da probabilidade de o utilizador 3 estar interessado no filme 10
score = model.predict(3, 10)

Assim, o LightFM é adequado para sistemas de recomendação onde há tanto interações como metadados adicionais.