Ce abordări clasice există pentru completarea golurilor din matricea de interacțiuni în sistemele de recomandare?

În sistemele de recomandare, matricea de interacțiuni (de exemplu, utilizator-produs) conține adesea goluri, deoarece nu toți utilizatorii interacționează cu toate obiectele. Abordările clasice pentru completarea acestor goluri includ:

• Valoarea medie: completarea golurilor cu ratingul mediu al utilizatorului sau cu media pe obiect.
• Filtrarea colaborativă:
  • Bazată pe utilizator: predicție bazată pe utilizatori similari.
  • Bazată pe obiect: predicție bazată pe obiecte similare.
• Decompoziția matricială:
  • SVD (decompoziție în valori singulare)
  • ALS (minimizare alternativă a pătratelor)
  • FunkSVD și alte metode de factorizare a matricelor care reconstruiesc valorile lipsă printr-o aproximație de rang scăzut.
• Modele bazate pe învățare automată:
  • Utilizarea metodelor de regresie, rețele neuronale, boosting de gradient pentru predicția valorilor lipsă.

De obicei, pentru matrici mari și rare, se aplică decompoziția matricială, deoarece identifică bine factorii ascunși și oferă predicții precise.