Recomienda películas con funciones adicionales mediante el filtrado colaborativo

Estoy tratando de construir un sistema de recomendación usando filtrado colaborativo. Tengo la [user, movie, rating]información habitual . Me gustaría incorporar una función adicional como 'idioma' o 'duración de la película'. No estoy seguro de qué técnicas podría utilizar para tal problema.

Por favor, sugiera referencias o paquetes en python / R.

Aquí algunos recursos que pueden ser útiles:

• Recomendacionesderlab : un marco y software de código abierto para desarrollar y probar algoritmos de recomendación: http://lyle.smu.edu/IDA/recommenderlab . RPaquete correspondiente recommenderlab: http://cran.r-project.org/package=recommenderlab .

• La siguiente publicación de blog ilustra el uso del recommenderlabpaquete (que en mi humilde opinión se puede generalizar para cualquier motor de recomendación de código abierto) para crear una aplicación de recomendación de películas , basada en el filtrado colaborativo : http://scn.sap.com/community/developer-center/hana / blog / 2013/11/06 / movie-advice-by-leveraging-r .

• Investigación sobre sistemas de recomendación : una buena página web con recursos sobre el tema, mantenida por el desarrollador principal de Recomenderlab Michael Hahsler: http://michael.hahsler.net/research/recommender .

• Motor de recomendación de mortero : un motor de recomendación personalizable de código abierto para Hadoopy Pig, escrito Pythony Java: https://github.com/mortardata/mortar-recsys . La compañía, que patrocina el desarrollo de este proyecto, Mortar Data , ofrece una plataforma comercial en la nube general para el desarrollo y el alojamiento de proyectos de software de ciencia de datos , incluidos los basados ​​en Mortar Recommendation Engine(el desarrollo y el alojamiento de proyectos públicos son gratuitos): http: //www.mortardata. com . Mortar Data proporciona ayuda en forma de foro público de preguntas y respuestas ( https://answers.mortardata.com ), así como un tutorial completosobre la creación de motores de recomendación utilizando tecnologías abiertas ( http://help.mortardata.com/data_apps/recommendation_engine ).

• "Introducción a los sistemas de recomendación" : un curso relevante de Coursera (MOOC), cuyo contenido y descripción proporcionan recursos adicionales sobre el tema: https://www.coursera.org/course/recsys .

• PredictionIO : un software de servidor de aprendizaje automático de código abierto, que permite crear aplicaciones de ciencia de datos , que incluyen sistemas de recomendación : http://prediction.io (el código fuente está disponible en GitHub: https://github.com/PredictionIO ). PredictionIOincluye un motor de recomendación incorporado ( http://docs.prediction.io/current/engines/itemrec/index.html ) y admite una amplia gama de lenguajes de programación y marcos a través de RESTfulAPI, así como SDK / plug-ins. PredictionIO mantiene una Amazon Machine Imagede AWS mercado para el despliegue de aplicaciones en la infraestructura de AWS: https://aws.amazon.com/marketplace/pp/B00ECGJYGE.

• Proyectos de software de código abierto adicionales , relevantes para el tema (descubiertos a través del MLOSSsitio web en el software de código abierto de aprendizaje automático : 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

• Las siguientes R publicaciones de blog relevantes también son interesantes:

  • "Herramientas simples para construir un motor de recomendación" ( http://blog.revolutionanalytics.com/2012/04/simple-tools-for-building-a-recommendation-engine.html )
  • "Sistema de recomendación en R" ( http://blog.yhathq.com/posts/recommender-system-in-r.html )

En lugar del filtrado colaborativo, usaría el enfoque de factorización matricial, en el que los usuarios y las películas están representados por vectores de características latentes cuyos productos puntuales producen las calificaciones. Normalmente, uno simplemente selecciona el rango (número de características) sin tener en cuenta lo que representan las características, y el algoritmo hace el resto. Al igual que PCA, el resultado no es inmediatamente interpretable pero produce buenos resultados. Lo que desea hacer es extender la matriz de películas para incluir las características adicionales que mencionó y asegurarse de que permanezcan fijas ya que el algoritmo estima las dos matrices utilizando la configuración regular. Las entradas correspondientes en la matriz del usuario se inicializarán aleatoriamente, luego se estimarán mediante el algoritmo de factorización de la matriz. Es un enfoque versátil y eficaz, pero requiere cierta comprensión del aprendizaje automático,

Vi un buen cuaderno de ipython hace un tiempo, pero no puedo encontrarlo en este momento, así que lo referiré a otro que, aunque no es tan bueno, todavía aclara algunas de las matemáticas.