Factorisation matricielle Nouvel utilisateur

Question

Quelqu'un peut-il me diriger vers une bibliothèque Python (ou un papier ou un code source pour une autre langue) pour mon cas d'utilisation? C'est que j'ai un tas de données sur les utilisateurs et leurs «scores» pour la plupart des ~ 100 objets. J'aurai exécuté la factorisation matricielle sur ces données, et obtenu une décomposition en deux matrices de facteurs latents.

Je veux avoir un site de recommandation où un utilisateur (je peux obtenir leurs données) est recommandé l'objet que mon système pense qu'ils aimeraient. Par exemple. il a des scores de 10 pour X et 20 pour Y, mais mon système s'attend à ce qu'il ait des scores de 20 pour x et 20 pour Y basés sur nos matrices actuelles et les données du nouvel utilisateur, donc il renvoie X comme recommandation.

Essentiellement, une fois que j'ai appris une factorisation matricielle, comment puis-je traiter avec les nouveaux utilisateurs? Est-ce ainsi que je devrais utiliser la factorisation matricielle pour le filtrage collaboratif? Merci!

Answer 1

Si vous souhaitez utiliser Python, PCA mise en œuvre de scikit est disponible. Vous pouvez trouver l'utilisation ci-dessous;

http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA

Si vous êtes d'accord avec d'autres langues (puisque vous avez dit «ou un code de papier ou d'une source pour une autre langue »), voici un exemple avec Apache Mahout (écrit en Java).

ParallelSGDFactorizer factorizer=new ParallelSGDFactorizer(dataModel, numFeatures, lambda, numEpochs); 
SVDRecommender recommender =new SVDRecommender(dataModel,factorizer,new AllUnknownItemsCandidateItemsStrategy()); 
recommender.recommend(1,20);