Thay vì lọc cộng tác, tôi sẽ sử dụng phương pháp tiếp cận nhân tố ma trận, trong đó người dùng và phim giống nhau được đại diện bởi các vectơ của các tính năng tiềm ẩn có sản phẩm chấm mang lại xếp hạng. Thông thường, người ta chỉ chọn thứ hạng (số lượng tính năng) mà không quan tâm đến những gì các tính năng đại diện và thuật toán làm phần còn lại. Giống như PCA, kết quả không thể giải thích ngay lập tức nhưng nó mang lại kết quả tốt. Những gì bạn muốn làm là mở rộng ma trận phim để bao gồm các tính năng bổ sung mà bạn đã đề cập và đảm bảo rằng chúng được cố định khi thuật toán ước tính hai ma trận bằng cách sử dụng thường xuyên. Các mục tương ứng trong ma trận người dùng sẽ được khởi tạo ngẫu nhiên, sau đó được ước tính bằng thuật toán nhân tố ma trận. Đó là một cách tiếp cận linh hoạt và hiệu quả nhưng cần một số hiểu biết về học máy,
Tôi đã thấy một cuốn sổ ipython đẹp một lúc trước nhưng tôi không thể tìm thấy nó ngay bây giờ, vì vậy tôi sẽ giới thiệu cho bạn một cuốn khác , dù không hay, vẫn làm rõ một số phép toán.