Sistemas de recomendación

Nivel UniversitarioDificultad ★★★★★Aplicación⌖ Ver en el mapa

¿Qué es?

Predecir cuánto le gustará un artículo a un usuario como el producto escalar de vectores aprendidos, $\hat r_{ui} = p_u\cdot q_i$ , ajustados por descenso de gradiente (estocástico) sobre las valoraciones conocidas, con regularización.

Fórmulas

\min_{P,Q}\sum_{(u,i)}\big(r_{ui} - p_u\cdot q_i\big)^2 + \lambda\big(\norm{p_u}^2 + \norm{q_i}^2\big)

Las matemáticas que hay detrás

Producto escalar★★★★★frecuente
La afinidad prevista entre un usuario y un artículo es el producto escalar de sus vectores de embedding.

Esta página tiene lo esencial. Un desarrollo más completo (intuición, definición formal, ejemplo resuelto) está en camino.