Остання редакція: 2025-12-11
Анотація
В роботі розглянуто підхід до вдосконалення матричної факторизації шляхом інтеграції контентних ознак
під час ініціалізації латентних факторів. Проаналізовано обмеження стандартного методу SVD, зокрема
проблему «холодного старту», та запропоновано інтеграцію контентної та контекстної моделей, що об’єднує
факторизацію та векторизацію контентних характеристик. Показано, що використання методу TF-IDF як
початкової параметризації дозволяє покращити якість прогнозування та прискорити збіжність процедури
навчання.
Ключові слова
Посилання
1. Aggarwal C. C. Recommender Systems: The Textbook. 2nd ed. Springer, 2022. p. 115–165.
2. Burke R. Hybrid Recommender Systems: Past, Present, and Future. User Modeling and User-Adapted Interaction, 2020. p. 30–40. doi:10.1023/A:1021240730564.
3. Wang X., He X., Wang Y., Feng F., Chua T.-S. Neural Graph Learning for Recommendation. IEEE
Transactions on Knowledge and Data Engineering, 2023. p. 12–18.