Aké klasické prístupy existujú na vyplnenie medzier v matici interakcií v odporúčacích systémoch?

V systémoch odporúčaní často obsahuje matica interakcií (napríklad používateľ-produkt) medzery, pretože nie všetci používatelia interagujú so všetkými objektmi. Klasické prístupy na vyplnenie týchto medzier zahŕňajú:

• Priemerná hodnota: vyplnenie medzier priemerným hodnotením používateľa alebo priemernou hodnotou pre objekt.
• Kolaboratívne filtrovanie:
  • Na základe používateľa: predpoveď na základe podobných používateľov.
  • Na základe objektu: predpoveď na základe podobných objektov.
• Rozklad matice:
  • SVD (rozklad singulárnych hodnôt)
  • ALS (alternatívne minimalizovanie štvorcov)
  • FunkSVD a ďalšie metódy faktorizácie matíc, ktoré rekonštruujú chýbajúce hodnoty pomocou nízkorangovej aproximácie.
• Modely založené na strojovom učení:
  • Použitie regresných metód, neurónových sietí, gradientového boosting na predpoveď chýbajúcich hodnôt.

Zvyčajne sa pri veľkých a riedkych maticiach používa rozklad matice, pretože dobre odhaľuje skryté faktory a poskytuje presné predpovede.