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, документация не описывает, что это за черта.

Какие черты? Это связано с латентными переменными?

Answer 1

На этой странице могут быть лучшие описания.

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

Надеюсь, это поможет!

Answer 2

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. Следовательноnumber of traits соответствует количеству пользователей стереотипов в модели рекомендаций.

Вы можете найти более подробное объяснение в соответствующей исследовательской статье "Спичечный коробок: крупномасштабные байесовские рекомендации":

Пользователи и элементы представлены векторами признаков, которые отображаются в низкоразмерное "пространство признаков", в котором сходство измеряется с точки зрения внутренних продуктов (источник).

В классической совместной фильтрации это скрытое представление часто вычисляется с использованием разложения по сингулярным значениям (SVD) методом наименьших квадратов и выбора только первого / наибольшего k измерений этой матрицы. Это снижает размерность матрицы рейтинга пользовательских элементов. В этой статье Стива Хуанга Hacker Noon вы можете найти более подробное объяснение.

Обновление 1: добавлена ​​интерпретация скрытых векторов