Ưu điểm
Không cần kiến thức về miền
Chúng tôi không cần có kiến thức về miền vì tính năng nhúng được học tự động.Sự cầu may
Mô hình này có thể giúp người dùng tìm thấy những mối quan tâm mới. Ngoài ra, hệ thống máy học có thể không biết người dùng quan tâm đến một mục nhất định, nhưng mô hình vẫn có thể đề xuất nó vì những người dùng tương tự quan tâm đến mục đó.Điểm khởi đầu tuyệt vời
Ở một mức độ nào đó, hệ thống chỉ cần ma trận phản hồi để đào tạo một mô hình phân cấp ma trận. Đặc biệt, hệ thống không cần các tính năng theo ngữ cảnh. Trong thực tế, biến này có thể được dùng làm một trong nhiều trình tạo ứng viên.
Nhược điểm
Không thể xử lý các mục mới
Dự đoán của mô hình cho một cặp (người dùng, mục) nhất định là sản phẩm dấu chấm của các nội dung nhúng tương ứng. Vì vậy, nếu không thấy một mục trong quá trình đào tạo, hệ thống sẽ không thể nhúng tính năng cho mục đó và không thể truy vấn mô hình bằng mục này. Vấn đề này thường được gọi là vấn đề khởi động nguội. Tuy nhiên, các kỹ thuật sau có thể giải quyết vấn đề khởi động nguội ở mức độ nào đó:
Phép chiếu trong WALS. Với một mục mới \(i_0\) không thấy trong quá trình đào tạo, nếu hệ thống có một vài tương tác với người dùng, thì hệ thống có thể dễ dàng tính toán nhúng \(v_{i_0}\) cho mục này mà không cần Đào tạo lại toàn bộ mô hình. Hệ thống chỉ cần giải quyết phương trình sau đây hoặc phiên bản được tính trọng số:
\[\min_{v_{i_0} \in \mathbb R^d} \|A_{i_0} - U v_{i_0}\|\]
Phương trình trước tương ứng với một lần lặp lại trong WALS: các lượt nhúng người dùng được giữ cố định và hệ thống sẽ giải quyết cho việc nhúng mục \(i_0\). Người dùng mới có thể làm tương tự.
Các hành vi tạo ra nội dung nhúng các mục mới. Nếu không có lượt tương tác, hệ thống có thể ước chừng hoạt động nhúng bằng cách tính trung bình các mục nhúng từ cùng một danh mục, từ cùng một người tải lên (trong YouTube), v.v.
Khó bao gồm các tính năng phụ cho truy vấn/mục
Tính năng phụ là bất kỳ tính năng nào ngoài truy vấn hoặc ID mục. Đối với các đề xuất phim, các tính năng phụ có thể bao gồm quốc gia hoặc độ tuổi. Việc cung cấp các tính năng phụ có sẵn sẽ cải thiện chất lượng của mô hình. Mặc dù có thể không dễ dàng đưa các tính năng phụ vào WALS, Việc này có thể giúp bạn khái quát hoá WALS.
Để khái quát hoá WALS, hãy tổng hợp ma trận đầu vào bằng các tính năng bằng cách xác định một ma trận khối \(\bar A\), trong đó:
- Khối (0, 0) là ma trận phản hồi ban đầu \(A\).
- Khối (0, 1) là mã hóa nhiều tính năng người dùng.
- Khối (1, 0) là mã hóa nhiều tính năng của mặt hàng.