Comentarios sobre Matrix Factorization Techniques

El paper trata sobre los modelos de filtrado colaborativo donde parte mencionando los métodos en base a vecinos, junto con los problemas asociados a este.

Luego se habla de los métodos en base a factores latentes. Aquí es donde entra las técnicas de factorización de matrices. Algunas ventajas de estos métodos son:

• Se permite usar feedback implícito. Esto datos sobre acciones que realizan los usuarios pero que no las declaran consiente y explícitamente al sistema. Como las acciones de este estilo son más frecuentes que los actos de ratear un elemento, la matriz de información que tenemos deja de ser tan sparse 👌

• Escala mejor y es paralelizable (con “alternating least squares” y bajo ciertas condiciones).

Un punto rescatable del texto, es que tratan el tema de la temporalidad. Pues los gustos van cambiando y pueden ocurrir eventos externos que alteren la interacción típica de los usuarios a los ítems. Dejan esta opción de manera bastante general, cosa que uno pueda llegar e implementar las funciones en función al tiempo t.

Algo que quizás no se toca en el tema del feedback implícito es el problema de visibilidad. Esto es: puede que algunos ítems tengan muy poca interacción, pero no por el hecho de que no sean interesantes, sino que están “ocultos” o son de difícil acceso. Se necesitaría una especie de retroalimentación sobre la exposición de estos elementos y la interacción a estos, para incluirlo dentro de la ecuación que calcula los ratings.