如何在推荐系统中包含用户功能？

Question

我在这件事上是新手，但我在考虑制定推荐人制度。让我们以电影推荐系统为例。我们有一个关于电影ID (或名字)的专栏，一个与用户给每部电影的费率相关的矩阵，还有一个具有电影特征的矩阵(浪漫、戏剧等)--加入了一张照片，显示了这个公式。那么，我希望使用用户特性来改进我的推荐吗？如果我有年龄，职业，每个用户的收入等信息，我想在我的配方中使用它。但是如果我包含了用户特性，这个公式不再是基于内容的，也不再是协作过滤。有人知道它可以用哪种配方吗？

Answer 1

这就是所谓的边信息。这是用来增强推荐系统。

一个很好的协作过滤库(以及初学者友好的)是turicreate。看看这个链接。总结而言，传统的基本矩阵因式分解将将用户i和项目j分别编码为向量u_i和v_j，以便用户给出的预测得分为：

score(i,j) = u_i^T v_j

但是，您可以有一个更复杂的模型，它还将考虑到项目和用户的特性：

score(i,j) = u_i^T v_j + a^T x_i + b^T y_j

这就增加了模型的容量。