Odporúčacie systémy

Neural collaborative filtering

Neurónové kolaboratívne filtrovanie

Neural collaborative filtering je rodina odporúčacích modelov, ktoré sa učia funkciu interakcie medzi reprezentáciou používateľa a položky pomocou neurónovej siete. Namiesto pevného skalárneho súčinu môže model kombinovať embeddingy cez viacvrstvový perceptrón alebo ďalšie nelineárne bloky. Tréning často využíva implicitnú spätnú väzbu, napríklad kliknutie či prehratie, spolu s negatívnym vzorkovaním. Výstup je skóre relevancie alebo pravdepodobnosť interakcie, nie dôkaz skutočnej spokojnosti používateľa.

Posledná odborná revízia
1. augusta 2026
Odborný garant
Miroslav Schmiedt
ID
AI-GEO-N-08

Odborná definícia

Odborná definícia

Neural collaborative filtering je rodina odporúčacích modelov, ktoré sa učia funkciu interakcie medzi reprezentáciou používateľa a položky pomocou neurónovej siete. Namiesto pevného skalárneho súčinu môže model kombinovať embeddingy cez viacvrstvový perceptrón alebo ďalšie nelineárne bloky. Tréning často využíva implicitnú spätnú väzbu, napríklad kliknutie či prehratie, spolu s negatívnym vzorkovaním. Výstup je skóre relevancie alebo pravdepodobnosť interakcie, nie dôkaz skutočnej spokojnosti používateľa.

Zrozumiteľné vysvetlenie

Zrozumiteľné vysvetlenie

Pri klasickej maticovej faktorizácii sa používateľ a film stretnú v jednom skalárnom súčine. Neurónový model môže ich vlastnosti poskladať zložitejšie. Fanúšik dokumentov môže napríklad reagovať inak na krátky film večer a inak na dlhý film cez víkend, ak systém dostane aj kontext. Problém nastáva, keď sa neprehratý obsah automaticky označí za negatívny. Používateľ ho možno nikdy nevidel, preto spôsob výberu negatívnych príkladov priamo formuje odporúčania.

Časté otázky

Časté otázky

Ako sa neurónové filtrovanie líši od maticovej faktorizácie?

Maticová faktorizácia používa pevne zvolenú interakciu embeddingov. Neurónová verzia sa môže naučiť nelineárnu kombinačnú funkciu.

Čo je implicitná spätná väzba?

Sú to pozorované akcie bez priameho hodnotenia, napríklad kliknutie, nákup alebo čas sledovania. Nehovoria automaticky, že položka bola užitočná.

Ako sa tvoria negatívne príklady?

Vzorkujú sa z nepozorovaných položiek, ideálne s ohľadom na expozíciu. Náhodné negatívy môžu byť príliš ľahké alebo nespravodlivé.

Ako sa rieši cold start?

Dopĺňajú sa obsahové vlastnosti, popularita, onboardingové otázky alebo spoločné reprezentácie. Samotné ID embeddingy nový objekt nepoznajú.

Ako sa meria kvalita neurónového odporúčania?

Pre poradie sa používajú recall@k, NDCG alebo hit rate. Offline skóre treba doplniť testom rozmanitosti, dlhodobého prínosu a nežiaducich slučiek spätnej väzby.

Súvisiace pojmy

Súvisiace pojmy

Zdroje a redakčná stopa

Zdroje a redakčná stopa

  • He et al., Neural Collaborative Filtering, 2017

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.