Quel est le type ou la famille d'algorithmes de recsys pour recommander des utilisateurs similaires en fonction de leurs intérêts?

Question

J'apprends les systèmes de recommandation de Coursera MooC. Je vois qu'il y a principalement trois types de méthodes de filtrage (en cours d'introduction).
a. Filtrage basé sur le contenu
b. Filtrage collaboratif article-article
c. Utilisateur-filtrage de collaboration d'utilisateur

Ayant compris ceci, je ne sais pas d'où vient la - recommandation similaire des utilisateurs basée sur les intérêts/préférences? Par exemple, considérons que j'ai une relation User-> TopicsOfInterest0..n. Je veux recommander d'autres utilisateurs similaires en fonction de leur topicOfInterest (vector) respectif.

Answer 1

Je ne suis pas sûr que ces trois types sont une classification exhaustive de tous les systèmes de recommandation. En fait, tout algorithme basé sur la factorisation matricielle (SVD, etc.) est à la fois basé sur l'article et basé sur l'utilisateur en même temps. Mais les TopicsOfInterest (facteurs) sont déduits automatiquement par l'algorithme. Par exemple, Apache Spark inclut une implémentation de l'algorithme alternating least squares (ALS). Spark's API a la méthode userFeatures, qui retourne (grossièrement) une matrice, prédisant l'attitude des utilisateurs à chaque fonctionnalité. La seule chose qui reste à faire est de calculer un ensemble d'utilisateurs similaires à un utilisateur donné (par exemple, trouver des vecteurs, qui sont les plus proches d'un utilisateur donné par cosine similarity).