Recomendação de filmes com recursos adicionais usando filtragem colaborativa

Estou tentando criar um sistema de recomendação usando filtragem colaborativa. Eu tenho as [user, movie, rating]informações usuais . Gostaria de incorporar um recurso adicional, como 'idioma' ou 'duração do filme'. Não tenho certeza de quais técnicas eu poderia usar para esse problema.

Por favor, sugira referências ou pacotes em python / R.

Aqui estão alguns recursos que podem ser úteis:

• Recommendenderlab - uma estrutura e software de código aberto para o desenvolvimento e teste de algoritmos de recomendação: http://lyle.smu.edu/IDA/recommenderlab . RPacote correspondente recommenderlab: http://cran.r-project.org/package=recommenderlab .

• A postagem do blog a seguir ilustra o uso do recommenderlabpacote (que IMHO pode ser generalizado para qualquer mecanismo de recomendação de código aberto) na criação de aplicativos de recomendação de filmes , com base na filtragem colaborativa : http://scn.sap.com/community/developer-center/hana / blog / 2013/11/06 / recomendação de filme por alavancagem-r .

• Pesquisa em sistemas de recomendação - uma boa página da Web com recursos sobre o tópico, mantida pelo desenvolvedor Michael Hahsler, principal desenvolvedor da Recommendenderlab: http://michael.hahsler.net/research/recommender .

• Mecanismo de recomendação de argamassa - um mecanismo de recomendação personalizável de código aberto para Hadoope Pig, escrito em Pythone Java: https://github.com/mortardata/mortar-recsys . A empresa, patrocinadora do desenvolvimento deste projeto, a Mortar Data , oferece uma plataforma comercial geral de nuvem para desenvolvimento e hospedagem de projetos de software de ciência de dados , incluindo aqueles baseados em Mortar Recommendation Engine(desenvolvimento e hospedagem de projetos públicos gratuitos): http: //www.mortardata. com . A Mortar Data fornece ajuda em forma de fórum público de perguntas e respostas ( https://answers.mortardata.com ), além de um tutorial abrangentena criação de mecanismo de recomendação usando tecnologias abertas ( http://help.mortardata.com/data_apps/recommendation_engine ).

• "Introdução aos sistemas de recomendação" - um curso relevante do Coursera (MOOC), cujo conteúdo e descrição fornecem recursos adicionais sobre o tópico: https://www.coursera.org/course/recsys .

• PredictionIO - um software de servidor de aprendizado de máquina de código aberto, que permite a criação de aplicativos de ciência de dados , incluindo sistemas de recomendação : http://prediction.io (o código fonte está disponível no GitHub: https://github.com/PredictionIO ). PredictionIOinclui um mecanismo de recomendação interno ( http://docs.prediction.io/current/engines/itemrec/index.html ) e suporta uma ampla variedade de linguagens e estruturas de programação por meio de RESTfulAPIs e SDKs / plug-ins. O PredictionIO mantém um Amazon Machine Imageno AWS Marketplace para implantar aplicativos na infraestrutura da AWS: https://aws.amazon.com/marketplace/pp/B00ECGJYGE.

• Projetos adicionais de software de código aberto , relevantes para o tópico (descobertos no MLOSSsite do software de software livre de aprendizado de máquina : http://www.mloss.org ):

  • Jubatus : http://jubat.us/en
  • MyMediaLite : http://mymedialite.net
  • TBEEF : https://github.com/ChrisRackauckas/TBEEF
  • PREA : http://prea.gatech.edu
  • CofiRank : http://www.cofirank.org

• As seguintes R postagens de blog relevantes também são interessantes:

  • "Ferramentas simples para criar um mecanismo de recomendação" ( http://blog.revolutionanalytics.com/2012/04/simple-tools-for-building-a-recommendation-engine.html )
  • "Sistema de recomendação em R" ( http://blog.yhathq.com/posts/recommender-system-in-r.html )

Em vez da filtragem colaborativa, eu usaria a abordagem de fatoração matricial, na qual usuários e filmes são representados por vetores de recursos latentes cujos produtos pontuais produzem as classificações. Normalmente, apenas se seleciona a classificação (número de características) sem levar em consideração o que as características representam, e o algoritmo faz o resto. Como o PCA, o resultado não é imediatamente interpretável, mas produz bons resultados. O que você deseja fazer é estender a matriz do filme para incluir os recursos adicionais mencionados e garantir que eles permaneçam fixos, pois o algoritmo estima as duas matrizes usando a regularização. As entradas correspondentes na matriz do usuário serão inicializadas aleatoriamente, depois estimadas pelo algoritmo de fatoração da matriz. É uma abordagem versátil e de alto desempenho, mas é preciso entender o aprendizado de máquina,

Vi um bom notebook ipython há um tempo, mas não o encontro no momento. Por isso, vou encaminhá-lo para outro que, embora não seja tão bom, ainda esclarece algumas das matemáticas.