Какова особенность рекомендателя спичечной коробки Azure ML?

Question

У машинного обучения Azure есть элемент под названием Train Matchbox Recommender. Это может быть настроено с Number of traits. К сожалению, в документации не описывается, что это за черта.

Что такое черты? Это связано с скрытыми переменными ?

Answer 1

На мой взгляд, да, это связано со скрытыми переменными и определяет размеры сжатой матрицы признаков. Столбцы этой матрицы - векторы скрытых признаков - можно интерпретировать как стереотипы пользователей. Следовательно, number of traits соответствует количеству пользователей стереотипов в модели рекомендаций.

Более подробное объяснение можно найти в соответствующей исследовательской работе "Спичечный коробок: байесовские рекомендации большого масштаба" :

Пользователи и элементы представлены векторами признаков, которые отображаются в низкоразмерное «пространство признаков», в котором сходство измеряется в терминах внутренних продуктов ( источник ).

В классической коллаборативной фильтрации это скрытое представление часто вычисляется с использованием разложения по сингулярным значениям (SVD) с помощью метода наименьших квадратов и выбора только первого / наибольшего k измерений этой матрицы. Это уменьшает размерность матрицы оценки элементов пользователя. В этой статье Стива Хуанга Hacker Noon вы найдете более подробное объяснение.

Обновление 1: добавлена ​​интерпретация скрытых векторов

Answer 2

Эта страница может содержать более подробные описания.

По сути, черты - это особенности, которые алгоритм узнает о каждом пользователе, связанном с каждым предметом. Например, в рекомендациях для рейтингов ресторанов характеристики могут включать год рождения пользователя, если он студент или работающий специалист, военное положение и т. Д.

Надеюсь, это поможет!