Tavsiya tizimlarida o'zaro ta'sir matritsasidagi bo'sh joylarni to'ldirish uchun qanday klassik yondashuvlar mavjud?

Tavsiya qilish tizimlarida, aloqalar matritsasi (masalan, foydalanuvchi-mahsulot) ko'pincha bo'sh joylarni o'z ichiga oladi, chunki barcha foydalanuvchilar barcha ob'ektlar bilan aloqada bo'lmaydi. Bunday bo'sh joylarni to'ldirish uchun klassik yondashuvlar quyidagilardan iborat:

• O'rtacha qiymat: bo'sh joylarni foydalanuvchining o'rtacha reytingi yoki ob'ekt bo'yicha o'rtacha bilan to'ldirish.
• Hamkorlik filtratsiyasi:
  • Foydalanuvchi asosida: o'xshash foydalanuvchilar asosida bashorat qilish.
  • Ob'ekt asosida: o'xshash ob'ektlar asosida bashorat qilish.
• Matritsa bo'linishi:
  • SVD (singular qiymatlarni bo'lish)
  • ALS (alternativ kvadratlar minimalizatsiyasi)
  • FunkSVD va boshqa matritsa faktorizatsiya usullari, ular kamchiliklarni past darajali yaqinlik orqali tiklashadi.
• Mashina o'qitish asosidagi modellar:
  • Regressiya usullari, neyron tarmoqlar, gradient kuchaytirish yordamida bo'sh qiymatlarni bashorat qilish.

Ko'pincha, katta va tarqoq matritsalar uchun matritsa bo'linishi qo'llaniladi, chunki u yashirin omillarni yaxshi aniqlaydi va aniq bashoratlar beradi.