FEATURE EMBEDDING IN MATRIX FACTORIZATION

In various embodiments, systems and methods are provided for enhancing media content recommendations by using feature vectors. An enhanced-matrix having a first portion and a second portion is received. The first portion of the enhanced-matrix includes a user-item matrix and the second portion of the enhanced-matrix includes a feature-item matrix. Each entry in the feature-item matrix is item metadata. An item-stem vector is determined based on a weighted sum of each of the feature vectors associated with the item. An item-latent-trait vector is generated based on the item-stem vector and an item-offset vector. The item-offset vector is an item vector for the item in the user-item matrix. One or more recommended-media content derived based on the item-latent-trait vector is provided. Selon différents modes de réalisation, la présente invention porte sur des systèmes et des procédés d'amélioration de recommandations de contenu multimédia à l'aide de vecteurs d'attributs. Une matrice améliorée ayant une première partie et une seconde partie est reçue. La première partie de la matrice améliorée comprend une matrice d'utilisateur-article et la seconde partie de la matrice améliorée comprend une matrice d'attribut-article. Chaque entrée dans la matrice d'attribut-article est des métadonnées d'article. Un vecteur d'article-tige est déterminé sur la base d'une somme pondérée de chacun des vecteurs d'attributs associés à l'article. Un vecteur d'article-trait latent est généré sur la base du vecteur d'article-tige et d'un vecteur d'article-décalage. Le vecteur d'article-décalage est un vecteur d'article pour l'article dans la matrice d'utilisateur-article. Un ou plusieurs contenus à multimédia recommandé déduits sur la base du vecteur d'article-trait latent sont fournis.