Existen diferentes opciones para integrar funciones explícitas de usuario (o elemento) en sus modelos. Dicha información adicional sobre el usuario (o elementos) también se denomina información de identidad , hay una gran literatura sobre cómo explotarla.
- Puede agregar la función de usuario como contexto en un modelo de recomendación contextual, utilizando la factorización de tensor, máquinas de factorización o el marco general de factorización. Puede representar esto como la creación de modelos separados para diferentes géneros. Debe tener en cuenta que las características de usuario latentes y las características de usuario explícitas (el contexto) pueden estar correlacionadas.
- Puede modelar las características de usuario latente por el vector de características de usuario explícito. Esto a menudo se llama vector de característica secundaria. El modelo original se llama NSVD1, publicado por Paterek. Esto también se explica con más detalle en nuestro documento Recsys09.
- Otro artículo temprano de Porteous et al. Aplica Bayesian MF y sugiere un enfoque genérico para usar información secundaria en el modelo bayesiano.