Factorización matricial

Aproximar una gran matriz de valoraciones usuario-ítem como producto de matrices de factores latentes de menor dimensión, técnica central del Netflix Prize.

La factorización matricial representa una matriz dispersa de valoraciones como producto de dos matrices más pequeñas: una codifica gustos de usuario, la otra rasgos de ítem, en un espacio latente compartido. Las valoraciones predichas son productos internos de esos vectores, lo que generaliza a pares usuario-ítem no vistos.

Yehuda Koren, Robert M. Bell y Chris Volinsky describieron variantes de factorización que dominaron la clasificación del Netflix Prize junto a métodos de conjunto. La técnica sigue siendo referencia en filtrado colaborativo antes de que modelos profundos tomaran algunos dominios.