LightFM для данных о покупках: как мне подготовить веса взаимодействия? Текущий подход использует частоту для каждого по ⇐ Python

[Anonymous]

Я обучаю модель рекомендаций с помощью LightFM на неявных данных о покупке.
В моем наборе данных каждое взаимодействие представляет собой транзакцию: пользователь покупает товар.
Если пользователь покупает один и тот же товар несколько раз, я сначала агрегирую транзакции по (пользователь, товар) и вычисляю частоту покупок.
Мой текущий подход к подготовке весов взаимодействия Это:

• Для каждой пары (пользователь, товар) вычислите частоту покупок.
• Для каждого пользователя найдите максимальную частоту покупок среди всех товаров, которые купил пользователь.
• Определите вес взаимодействия как:

  Код: Выделить всё

  weight(user, item) = frequency(user, item) / max_frequency_of_any_item_for_that_user

Таким образом, вес нормализуется для каждого пользователя и всегда попадает в число (0, 1].
Например, если у пользователя:

• элемент A: 10 покупок
• элемент B: 4 покупки
• предмет C: 1 покупка

тогда веса становятся:

• предмет A: 10 / 10 = 1,0
• предмет B: 4 / 10 = 0,4
• пункт C: 1 / 10 = 0,1

Моя цель — рекомендация Top-K из истории покупок.
Мои текущие настройки LightFM:

• Код: Выделить всё

  loss = warp

• Код: Выделить всё

  max_sampled = 20

• Код: Выделить всё

  no_components = 32

• Код: Выделить всё

  item_alpha = 0.00001

• Код: Выделить всё

  user_alpha = 0.0000001

Я хотел бы получить совет:

• Является ли это разумным способом подготовить веса взаимодействия для LightFM в данных о покупках?
• Удаляет ли нормализация по максимальной частоте элементов каждого пользователя слишком много полезного сигнала?
• Существует ли лучший принцип подготовки весов взаимодействия для повторных покупок в рекомендациях с неявной обратной связью?
• На практике при использовании LightFM для данных о покупках веса взаимодействия должны в основном отражать:
  • относительное предпочтение пользователя
  • или абсолютную интенсивность покупок?
    />

Я был бы признателен за советы от всех, кто работал с LightFM, или за рекомендации по неявной обратной связи по данным транзакций.