预测推荐系统的概率？

Question

我有一个数据集，其中我有一个带有二进制输入的稀疏效用矩阵（用户产品）：1 如果用户 ????购买了产品 ????，如果没有购买，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这个产品，1 表示我们确定用户购买了那个给定的产品。

我需要为每个产品中的每个用户获取用户 ????买了产品？？？在测试集中。为此，我希望使用不同的矩阵分解技术，如 FunkSVD、NMF 或 SVD++，但我很困惑：

这些技术只能让我在测试集上获得标签（1 或 0），但我需要计算获得 1 的概率，而不是自己计算其中的标签。

我该如何解决这个问题？还是我把它当作一个分类问题，然后使用所有常见的分类技术？

Answer 1

好的，基于Recurrent-Knowledge-Graph-Embedding 的一种可能会有所帮助的方法。

尝试将用户-项目交互转换为知识图谱，并挖掘图中user_i 和item_j 之间的top-n 路径。按照论文及其代码中的描述构建一个 RNN 模型，以获得概率。