我有一个数据集，其中有一个带有二进制输入的稀疏效用矩阵（用户产品）：如果用户?购买了产品1，则为1；否则，则为0。
但是它在测试集上有不同的含义，0表示我们不知道用户是否购买了该产品，1表示我们确定用户购买了该产品。
我需要为每个产品中的每个用户获取用户?在测试集中购买产品probability的概率。为此，我希望使用不同的矩阵分解技术，例如FunkSVD，NMF或SVD ++，但是我很困惑：
这些技术只能让我在测试集中获得标签（1或0），但我需要计算自己获得1而不是标签的概率。
我该如何解决这个问题？还是将其视为分类问题，然后使用所有常见的分类技术？
答案 0 :(得分：0)
好的，一种可能基于Recurrent-Knowledge-Graph-Embedding的方法。
尝试将用户-项目交互转换为知识图，并挖掘图中的top-n和user_i之间的item_j路径。按照本文及其代码中的描述构建RNN模型，以获取概率。