BertItemDistanceMatrixJob

En Rec-Sys cada recomendador tiene asociada dos matrices de similitud user-user e item-item. Es posible crear distintos recomendados a partir de estas matrices.

Las matrices item-item pueden calcularse con distintos modelos de filtros colaborativos. Mediando SDV, NFM, GMF, Biased-GMF, DEEP-FM, etc... Estos métodos generan matrices de similitud que en base a las interacciones de los usuarios. Cuando no tenemos suficientes interacciones de los usuarios puede utilizarse un enfoque basado en contenido. Es decir, calcula la similitud utilizando atributos de los items.

El job o proceso BertItemDistanceMatrixJob calcula un sentence embedding a partir del título y descripción de los items. Utiliza un modelo bert pre-entrenado el cual es parámetro del job. De esta forma existen 4 jobs distintos cada uno utiliza un modelo distintos. los modelos utilizados son los siguientes:

• multi-qa-mpnet-base-dot-v1
• all-mpnet-base-v2
• all-MiniLM-L12-v2
• multi-qa-mpnet-base-dot-v1

Ver Pretrained Models para mas detalle.

Finamente, estos jobs genera nuevas matrices de distancia item-item que pueden utilizase para mejorar las recomendaciones de tipo: items similares.