协同过滤添加新用户和项目

Question

我正在为电影构建一个推荐引擎，并阅读了很多有用的信息。我从未见过提到的一件事是如何为新用户和项目提出建议。正常过程是：我建立我的模型并训练它。然后我输入一个用户以及我想为他们返回的前 k 个推荐。

现在，如果我想为不在我的初始稀疏评分矩阵中的用户执行此操作怎么办？如果我有这个新用户的稀疏电影评分数组，是否有一种简单的方法可以将其合并到模型中，而无需从头开始重新训练整个模型？

我知道基于内容的过滤用于解决 CF 的“冷启动”问题。即使我已经对这个新用户进行了一些评分，这是我唯一的选择吗？

现在我正在研究加权交替最小二乘法（WALS），最终我也想为 SGD 这样做。

Answer 1

我认为您正在寻找的是如何折叠新项目/用户以进行矩阵分解协同过滤的答案。这已经在这里讨论过：How can I handle new users/items in model generated by Spark ALS from MLlib? 可以找到示例解决方案的地方（带有一些代码示例）。它用于 Spark ALS 实现，但主要思想保持不变。