Матричная факторизация в рекомендательных системах: алгоритм ALS
Одной из самых коммерчески успешных задач прикладной линейной алгебры стало создание коллаборативных рекомендательных систем. В 2006 году компания Netflix объявила конкурс с призом в миллион долларов за улучшение алгоритма предсказания оценок фильмов. Победителем стал подход, основанный на матричной факторизации (Matrix Factorization). Суть проблемы заключается в том, что имеется гигантская матрица «пользователь-фильм», где строки — это миллионы пользователей, столбцы — десятки тысяч фильмов, а на пересечениях стоят оценки. Эта матрица колоссально разрежена: 99% ячеек пусты, так как человек смотрит лишь крошечную долю фильмов. Классическое сингулярное разложение (SVD) здесь неприменимо из-за пустых ячеек, поэтому математикам пришлось разработать новый алгебраический аппарат скрытых факторов.