Il filtro collaborativo è il compito di effettuare previsioni sugli interessi di un utente in base agli interessi di molti altri utenti. Ad esempio, diamo un'occhiata all'attività di suggerimento dei film. Supponiamo di avere 500.000 utenti e di un elenco dei film guardati da ciascun utente (da un catalogo di 1.000.000 film). Il nostro obiettivo è consigliare film agli utenti.
Per risolvere questo problema è necessario un metodo per determinare quali film sono simili tra loro. Possiamo raggiungere questo obiettivo incorporando i filmati in uno spazio a bassa dimensione creato, in modo che film simili siano nelle vicinanze.
Prima di descrivere come possiamo imparare l'incorporamento, esaminiamo il tipo di qualità che vogliamo ottenere e come rappresentiamo i dati di addestramento per l'apprendimento dell'incorporamento.
Disponi i film in una linea numerica unidimensionale
Per sviluppare intuizione sugli incorporamenti, prova a disporre i seguenti film su una linea numerica unidimensionale in modo che i film più vicini siano i più vicini:
| Film | Valutazione | Descrizione |
|---|---|---|
| Blu | Dx | Una vedova francese piange la perdita del marito e della figlia dopo la morte in un incidente d'auto. |
| Il cavaliere oscuro | Vietato ai minori di 13 anni | Batman cerca di salvare Gotham City dall'annientamento nucleare in questo sequel di The Dark Knight, ambientato nell'universo dei DC Comics. |
| Harry Potter e la pietra filosofale | PM | Un ragazzo orfano scopre di essere un mago e si iscrive alla Scuola di magia e stregoneria di Hogwarts dove affronta la sua prima battaglia contro il malvagio Lord Voldemort. |
| Gli Incredibili | PM | Una famiglia di supereroi costretta a vivere mentre i civili del sobborgo vanno in pensione per salvare la corsa di supereroi dalla sindrome e dal suo robot killer. |
| Shrek | PM | Un adorabile orco e il suo asino aspirante parteno per la missione di salvare la principessa Fiona, che nel suo castello è stata impreziosita da un drago. |
| Guerre stellari | PM | Luke Skywalker e Han Solo si alleano con due androidi per salvare la principessa Leia e salvare la galassia. |
| Le triple di Belleville | Vietato ai minori di 13 anni | Ciclista professionista, Champion viene rapito durante il Tour de France, in cui la nonna e il cane sovrappeso viaggiano all'estero per salvarlo, con l'aiuto di un trio di cantanti jazz anziani. |
| Memoria | Dx | Un amnesico vuole risolvere disperatamente l'omicidio della moglie tatuando indizi sul corpo. |
Fai clic sull'icona Più per una possibile soluzione (altamente imperfetta).
Figura 1. Una possibile disposizione monodimensionale
Anche se questo incorporamento aiuta a capire quanto il film è rivolto a bambini e adulti, ci sono molti altri aspetti di un film che vorresti acquisire quando fai consigli. Facciamo un altro passo avanti, aggiungendo una seconda dimensione di incorporamento.
Disponi i film in uno spazio bidimensionale
Prova a svolgere lo stesso esercizio di prima, ma questa volta disponi gli stessi film in uno spazio bidimensionale.
Fai clic sull'icona Più per ottenere un'altra possibile soluzione.
Figura 2. Una possibile disposizione bidimensionale
Con l'incorporamento bidimensionale definiamo una distanza tra i film, in modo che i film siano nelle vicinanze (e quindi dedotti come simili) se sono simili nella misura in cui sono rivolti ai bambini rispetto agli adulti, nonché nella misura in cui sono film di successo rispetto ai film d'essai. Ovviamente, queste sono solo due delle tante caratteristiche dei film che potrebbero essere importanti.
Più in generale, quello che abbiamo fatto è mappato questi film in uno spazio di incorporamento, dove ogni parola è descritta da un insieme bidimensionale di coordinate. Ad esempio, in questo spazio, "Shrek" viene mappato a (-1.0, 0.95) e "Bleu" viene mappato a (0.65, -0.2). In generale, quando impari un incorporamento d-dimensionale, ogni film è rappresentato da numeri con valori reali d, ognuno dei quali fornisce la coordinata in una dimensione.
In questo esempio abbiamo assegnato un nome a ogni dimensione. Durante l'apprendimento degli incorporamenti, le singole dimensioni non vengono apprese con i nomi. A volte possiamo esaminare gli incorporamenti e assegnare significati semantici alle dimensioni, mentre altre volte non possiamo. Spesso ogni dimensione di questo tipo è chiamata dimensione latente, in quanto rappresenta una funzionalità non esplicita nei dati, ma piuttosto dedotta da questi.
Sostanzialmente, le distanze tra i film nello spazio di incorporamento sono significative, anziché i valori di un singolo film, all'interno di una determinata dimensione.