ݺߣ

ݺߣShare a Scribd company logo

Az implicit ajánlási probléma és néhány megoldása (BME TMIT szeminárium előadás, 2012)

•
•
Balázs Hidasi
Balázs Hidasi

Ez a diasor egy ismeretterjesztő előadáshoz készült. Az előadás témája az implicit feedback alapú ajánlás (amikor a felhasználók preferenciái nem olvashatóak ki közvetlenül az adatokból), és a probléma néhány lehetséges megoldása. A prezentáció a probléma ismertetését követően kitér néhány kutatási eredményemre, mint például a mátrix faktorizáció inicializálására, vagy az implicit tenzorfaktorizációra. Az előadásra 2012. nyarán, a BME Távközlési és Médiainformatikai Tanszéke (TMIT) által szervezett szemináriumon került sor.

1 of 16
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Az implicit a já nlá s i problé ma é s né há ny me goldá s a Hida s i Ba lá zs TMIT s ze miná rium 2012. június 7.
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ta rta lom  Explicit é s implicit fe e dba ck  Vis s za je lzé s típus ok  CF implicit me gköze líté s  CF kite rje s zté s e  Egyé b a da tok fe lha s zná lá s a  Konte xtus függé s  Konte xtus kla s zte re zé s e  Ere dmé nye k
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Fe lha s zná lói vis s za je lzé s e k  Explicit fe e dba ck  Explicite ta rta lma zza a fe lha s zná ló pre fe re nciá já t a z a dott te rmé kre  P l. é rté ke lé s e k: te ts zik/ne m te ts zik  Implicit fe e dba ck  Ne m ta rta lma zza a pre fe re nciá t, cs a k köve tke zte the tünk  P l. vá s á rlá s
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Fe lha s zná lói vis s za je lzé s e k  Explicit fe e dba ck  Ne he ze bb gyűjte ni  Az a já nlá s könnye bb  Implicit fe e dba ck  S ok a da t á ll re nde lke zé s re  Ne hé z fe la da t  P ozitív fe e dba ck za jos  Ne ga tív fe e dba ck HIÁNYZIK
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ajá nlá s e xplicit a da tokon (MF)  Hiá nyzó é rté ke lé s e k be cs lé s e  RMS E-re optima lizá lá s  S orre nde zé s  MF s ze mpontjá ból  Ritka má trix, hiá nyzó he lye ke n ke ll be cs ülni  Gyors a lgoritmus ok: O(KN+)
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ajá nlá s implicit a da tokon (MF)  Má trix fe ltölté s e a z üre s he lye ke n  0-va l, -1-gye l  Is me rt he lye khe z na gyobb s úly re nde lé s e  Konfide ncia  Es e mé ny je le nlé te biztos a bb, mint a hiá nya  S úlyozott RMS E-re optima lizá lá s  MF s ze mpontjá ból  S űrű má trix  a lgoritmus ok többs é ge közve tle nül ne m a lka lma zha tó  (ALS ige n, gra die ns móds ze re k cs a k minta vé te le zé s s e l)
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Inicia lizá lá s  Az MF a lgoritmus ok vé le tle ns ze rű fe a ture má trixokból indulna k  Vigyünk be plus z informá ciót a z inicia lizá lá s on ke re s ztül  P l. Te rmé k me ta a da tok, konte xtus , s tb.  Te rmé k/fe lha s zná ló le író má trix  S imFa ctor  ha s onlós á g őrző dime nziócs ökke nté s  Enne k a kime ne té ve l inicia lizá lunk A cold s ta rt problé má t is ké pe s ke ze lni
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Konte xtus  Bá rmilye n olya n informá ció, a mi a z e s e mé nyt je lle mzi  Fe lha s zná ló ha ngula ta  Es e mé ny ide je , s ze zona litá s (pl. na ps za k)  Szekvencia: pl. a z a dott vá s á rlá s e lőtt mit ve tt me g  As s zociá ciós s za bá lyokhoz ha s onló informá ció inte grá lá s a a z a lgoritmus okba
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Konte xtus ve zé re lt a já nlá s ok  Az a já nlá s a konte xtus tól is függ  Te nzorfa ktorizá ció  D dime nziós te nzor  Te rmé k dime nzió  Fe lha s zná ló die mnzió  1. conte xt dime nzió  …  D-2. conte xt dime nzió  Egyé b me goldá s ok
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Te nzorfa ktorizá ció  Má trixok é s te nzorok s zorza ta (HOS VD-s ze rű) ru ,i ,c ≈ S ⊗ I i ⊗U u ⊗ Cc ≈ 1 2 3  Má trixok s zorza ta ru ,i ,c ≈ (1) ( I i  U u  C ) c ≈ T  Má trix s zorza tok ös s ze ge ru ,i ,c ≈ (U 1u ) I1i + (U 2u ) C1c + ( C 2u ) I1i T T T
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ta nulá s implicit e s e tbe n A te nzor s űrű  Gra die ns ta nulá s la s s ú  ALS ta nulá s is la s s ú (na ív me gköze líté s )  Ne mtriviá lis á ta la kítá s oka t vé ge zve a z ALS fe lgyors ítha tó  O(K^3*(Dime nziók ös s ze ge )+K^2*N+)  Az utóbbi ké t me goldá s ná l  iTALS é s iTALS x a lgoritmus ok
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Konte xtus kla s zte re zé s  Konte xt á lla potok ma ga s s zá ma  S okfé le konte xtus  Ritka te nzor, la s s ú ta nulá s , ponta tla n e re dmé nye k  Es e mé ny a la pú le íróve ktorok re nde lé s e e gy konte xtus dime nzióhoz  Má s ik dime nzió a la pjá n  Kla s zte re zé s  Konte xtus kla s zte re k ha s zná la ta a ta nítá s ná l
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Konte xtus kla s zte re zé s
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ere dmé nye k - Inicia lizá lá s  Kié rté ke lé s : s orre ndi mé rté ke k s ze rint  Inicia lizá lá s : 5-10%-os ja vulá s
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ere dmé nye k - Te nzorfa ktorizá ció  50-200%-os ja vulá s  Kla s zte re zé s s e l: mé g 10-25%
Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r KÖSZÖNÖM A FIGYELMET! Tová bbi a já nlóre nds ze re nds ze re kke l ka pcs ola tos kuta tá s i a nya gok a z olda la mon: http://www.hida s i.e u

More Related Content

Az implicit ajánlási probléma és néhány megoldása (BME TMIT szeminárium előadás, 2012)

  • 1. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Az implicit a já nlá s i problé ma é s né há ny me goldá s a Hida s i Ba lá zs TMIT s ze miná rium 2012. június 7.
  • 2. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ta rta lom  Explicit é s implicit fe e dba ck  Vis s za je lzé s típus ok  CF implicit me gköze líté s  CF kite rje s zté s e  Egyé b a da tok fe lha s zná lá s a  Konte xtus függé s  Konte xtus kla s zte re zé s e  Ere dmé nye k
  • 3. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Fe lha s zná lói vis s za je lzé s e k  Explicit fe e dba ck  Explicite ta rta lma zza a fe lha s zná ló pre fe re nciá já t a z a dott te rmé kre  P l. é rté ke lé s e k: te ts zik/ne m te ts zik  Implicit fe e dba ck  Ne m ta rta lma zza a pre fe re nciá t, cs a k köve tke zte the tünk  P l. vá s á rlá s
  • 4. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Fe lha s zná lói vis s za je lzé s e k  Explicit fe e dba ck  Ne he ze bb gyűjte ni  Az a já nlá s könnye bb  Implicit fe e dba ck  S ok a da t á ll re nde lke zé s re  Ne hé z fe la da t  P ozitív fe e dba ck za jos  Ne ga tív fe e dba ck HIÁNYZIK
  • 5. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ajá nlá s e xplicit a da tokon (MF)  Hiá nyzó é rté ke lé s e k be cs lé s e  RMS E-re optima lizá lá s  S orre nde zé s  MF s ze mpontjá ból  Ritka má trix, hiá nyzó he lye ke n ke ll be cs ülni  Gyors a lgoritmus ok: O(KN+)
  • 6. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ajá nlá s implicit a da tokon (MF)  Má trix fe ltölté s e a z üre s he lye ke n  0-va l, -1-gye l  Is me rt he lye khe z na gyobb s úly re nde lé s e  Konfide ncia  Es e mé ny je le nlé te biztos a bb, mint a hiá nya  S úlyozott RMS E-re optima lizá lá s  MF s ze mpontjá ból  S űrű má trix  a lgoritmus ok többs é ge közve tle nül ne m a lka lma zha tó  (ALS ige n, gra die ns móds ze re k cs a k minta vé te le zé s s e l)
  • 7. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Inicia lizá lá s  Az MF a lgoritmus ok vé le tle ns ze rű fe a ture má trixokból indulna k  Vigyünk be plus z informá ciót a z inicia lizá lá s on ke re s ztül  P l. Te rmé k me ta a da tok, konte xtus , s tb.  Te rmé k/fe lha s zná ló le író má trix  S imFa ctor  ha s onlós á g őrző dime nziócs ökke nté s  Enne k a kime ne té ve l inicia lizá lunk A cold s ta rt problé má t is ké pe s ke ze lni
  • 8. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Konte xtus  Bá rmilye n olya n informá ció, a mi a z e s e mé nyt je lle mzi  Fe lha s zná ló ha ngula ta  Es e mé ny ide je , s ze zona litá s (pl. na ps za k)  Szekvencia: pl. a z a dott vá s á rlá s e lőtt mit ve tt me g  As s zociá ciós s za bá lyokhoz ha s onló informá ció inte grá lá s a a z a lgoritmus okba
  • 9. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Konte xtus ve zé re lt a já nlá s ok  Az a já nlá s a konte xtus tól is függ  Te nzorfa ktorizá ció  D dime nziós te nzor  Te rmé k dime nzió  Fe lha s zná ló die mnzió  1. conte xt dime nzió  …  D-2. conte xt dime nzió  Egyé b me goldá s ok
  • 10. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Te nzorfa ktorizá ció  Má trixok é s te nzorok s zorza ta (HOS VD-s ze rű) ru ,i ,c ≈ S ⊗ I i ⊗U u ⊗ Cc ≈ 1 2 3  Má trixok s zorza ta ru ,i ,c ≈ (1) ( I i  U u  C ) c ≈ T  Má trix s zorza tok ös s ze ge ru ,i ,c ≈ (U 1u ) I1i + (U 2u ) C1c + ( C 2u ) I1i T T T
  • 11. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ta nulá s implicit e s e tbe n A te nzor s űrű  Gra die ns ta nulá s la s s ú  ALS ta nulá s is la s s ú (na ív me gköze líté s )  Ne mtriviá lis á ta la kítá s oka t vé ge zve a z ALS fe lgyors ítha tó  O(K^3*(Dime nziók ös s ze ge )+K^2*N+)  Az utóbbi ké t me goldá s ná l  iTALS é s iTALS x a lgoritmus ok
  • 12. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Konte xtus kla s zte re zé s  Konte xt á lla potok ma ga s s zá ma  S okfé le konte xtus  Ritka te nzor, la s s ú ta nulá s , ponta tla n e re dmé nye k  Es e mé ny a la pú le íróve ktorok re nde lé s e e gy konte xtus dime nzióhoz  Má s ik dime nzió a la pjá n  Kla s zte re zé s  Konte xtus kla s zte re k ha s zná la ta a ta nítá s ná l
  • 13. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Konte xtus kla s zte re zé s
  • 14. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ere dmé nye k - Inicia lizá lá s  Kié rté ke lé s : s orre ndi mé rté ke k s ze rint  Inicia lizá lá s : 5-10%-os ja vulá s
  • 15. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r Ere dmé nye k - Te nzorfa ktorizá ció  50-200%-os ja vulá s  Kla s zte re zé s s e l: mé g 10-25%
  • 16. Buda pe s ti Műs za ki é s Ga zda s á gtudomá nyi Egye te m Villa mos mé rnöki é s Informa tika i Ka r KÖSZÖNÖM A FIGYELMET! Tová bbi a já nlóre nds ze re nds ze re kke l ka pcs ola tos kuta tá s i a nya gok a z olda la mon: http://www.hida s i.e u