Como transformar itens em embeddings e recomendá-los…

Para transformar objetos (por exemplo, produtos, artigos, filmes) em embeddings e recomendá-los com base neles, geralmente seguem-se os seguintes passos:

Seleção de características: recolher dados sobre os objetos — descrição textual, categorias, características, imagens, etc.
Transformação em espaço vetorial:
- Para dados textuais, podem usar-se modelos como Word2Vec, FastText, BERT, Sentence Transformers, que convertem o texto em vetores de dimensão fixa.
- Para imagens, usar CNN pré-treinadas (por exemplo, ResNet) para extrair características.
- Para características categóricas e numéricas, aplicar codificação one-hot, normalização e/ou treinar embeddings.
Combinação de características: se houver vários tipos de dados, combiná-los num único vetor de embedding.
Treino do modelo de embeddings (opcional): treinar um modelo que considere as interações entre utilizadores e objetos (por exemplo, fatorização matricial, redes neuronais com perda do tipo triplet ou contrastiva).
Recomendações:
- Para um novo utilizador ou consulta, encontrar o embedding dos objetos de interesse.
- Usar métricas de similaridade (distância cosseno, distância euclidiana) para procurar vizinhos mais próximos no espaço de embeddings.
- Recomendar objetos com embeddings mais próximos.

Exemplo em Python usando a biblioteca sentence-transformers para descrições textuais:

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

items = ["Camiseta vermelha de algodão", "Jeans azuis", "Botins de couro pretos"]
model = SentenceTransformer('all-MiniLM-L6-v2')
embeddings = model.encode(items)

# Encontrar o objeto semelhante a "Camiseta azul"
query = "Camiseta azul"
query_emb = model.encode([query])

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

Assim, os embeddings permitem representar objetos de forma conveniente para comparação e construção de recomendações com base na proximidade das representações vetoriais.

Como transformar itens em embeddings e recomendá-los com base neles?