Revize: 1. august 2026

Neuronové kolaboratívne filtrování

Neural collaborative filtering je rodina odporúčacích modelů, které se učí funkci interakce mezi reprezentací uživatele a položky pomocí neuronové sítě. Místo pevného skalárneho súčinu může model kombinovat embeddingy přes vícevrstvý perceptrón nebo další nelineárně bloky. Trénink často využívá implicitní zpětnou vezbu, například kliknutí či prehratie, spolu s negatívnym vzorkováním. Výstup je skóre relevance nebo pravděpodobnost interakce, ne důkaz skutečné spokojnosti uživatele.

Poslední odborná revize
7. srpna 2026
Odborný garant
Miroslav Schmiedt
ID
AI-GEO-N-08

Odborná definice

Odborná definice

Neural collaborative filtering je rodina odporúčacích modelů, které se učí funkci interakce mezi reprezentací uživatele a položky pomocí neuronové sítě. Místo pevného skalárneho súčinu může model kombinovat embeddingy přes vícevrstvý perceptrón nebo další nelineárně bloky. Trénink často využívá implicitní zpětnou vezbu, například kliknutí či prehratie, spolu s negatívnym vzorkováním. Výstup je skóre relevance nebo pravděpodobnost interakce, ne důkaz skutečné spokojnosti uživatele.

Srozumitelné vysvětlení

Srozumitelné vysvětlení

Při klasickej maticovej faktorizaci se uživatel a film stretnou v jednom skalárnom súčine. Neuronový model může jejich vlastnosti poskladat složitější. Fanúšik dokumentů může například reagovat jinak na krátký film večer a jinak na dlouhý film přes víkend, pokud systém dostane i kontext. Problém nastáva, když se neprehratý obsah automaticky označí za negativní. Uživatel ho lze nikdy neviděl, proto způsob výběru negativních příkladů přímo formuje doporučení.

Časté otázky

Časté otázky

Jak se neuronové filtrování liší od maticovej faktorizace?

Maticová faktorizace používá pevne zvolenou interakci embeddingů. Neuronová verze se může naučit nelineárnu kombinačnou funkci.

Co je implicitní zpětná vazba?

Jsou to pozorované akce bez přímého hodnocení, například kliknutí, nákup nebo čas sledování. Nehovoria automaticky, že položka byla užitečná.

Jak se tvoří negativně příklady?

Vzorkují se z nepozorovaných položek, ideálne s ohladom na expozíci. Náhodné negatívy mohou být příliš lahké nebo nespravodlivé.

Jak se řeší cold start?

Doplňají se obsahové vlastnosti, popularita, onboardingové otázky nebo společné reprezentace. Samotné ID embeddingy nový objekt nepoznají.

Jak se měří kvalita neurónového doporučení?

Pro pořadí se používají recall@k, NDCG nebo hit rate. Offline skóre je třeba doplnit testem rozmanitosti, dlhodobého přínosu a nežiaducich slučiek zpětné vazby.

Související pojmy

Související pojmy

Zdroje a redakční stopa

Zdroje a redakční 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.