为用户生成推荐的电影列表

Question

如何为用户生成推荐的电影列表？知道我使用多层感知器来预测缺失的评分，（网络已经训练好了）我的模型是：

net = EmbeddingNet(
    n_users=n, n_movies=m, 
    n_factors=15, hidden=[150, 100], dropouts=[0.2, 0.2])

训练后的最佳权重：

net.load_state_dict(best_weights)

训练后的嵌入用户和嵌入电影：

embedu = to_numpy(net.u.weight.data)

embedm = to_numpy(net.m.weight.data)

所以我的问题是：
我是否必须将用户的嵌入向量乘以电影的嵌入向量以形成用户-电影矩阵？

pred = np.dot(embedu, embedm.transpose())

还是直接用网络模型预测？但是这里预测的评分数小于（用户数 X 电影数）

 pred = net(usersId, moviesId)
 pred = pred.detach().numpy().tolist()

或者预测还有别的解法吗？因为我试图按照 fastai 的这个教程来实现一个协同过滤系统……但是他们没有给出如何通过示例向用户生成推荐电影列表

Answer 1

以下代码将每个用户和项目嵌入相乘，然后按降序将其排序为 return 电影索引，即如果您想首先推荐评分最高的电影，您推荐的顺序。

(-embedu.dot(embedm.T)).argsort()

generate a recommended list of movies for a user