Séance de cours
Recommender Systems : Factorisation matricielle
Description
Cette séance de cours couvre les méthodes avancées dans les systèmes de recommandation, en se concentrant sur la factorisation matricielle pour décomposer la matrice d'évaluation en caractéristiques utilisateur et élément. L'instructeur explique le problème d'optimisation, la descente du gradient stochastique, la régularisation et les problèmes de factorisation matricielle de base. Diverses mesures d'évaluation telles que RMSE, NDCG et le taux de réussite sont discutés, ainsi que les perspectives sur le classement personnalisé bayésien. La séance de cours se termine par un résumé soulignant l'évolution des systèmes de recommandation et les défis liés à la mise à l'échelle vers de grandes populations d'utilisateurs.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.