Como a Netflix recomenda títulos usando apenas feedback implícito?

A resposta depende muito do que você quer dizer com "implícito". Estou assumindo que um usuário clique ou toque um filme como feedback explícito enquanto navega ou não interage como feedback implícito.

Existiram modelos que a Netflix construiu que poderiam "descontar" ou "penalizar" filmes se um usuário olhar através deles sem qualquer forma de interação. Estes são os chamados modelos de "desconto de impressão" e existem alguns na literatura. O objetivo aqui é não impressionar os mesmos filmes para o mesmo usuário uma e outra vez, quando se tem certeza de que é altamente improvável que você clique nele.

Bem o feedback implícito e explícito foi combinado em uma grande variedade de modelos. Em termos de um modelo de factorização matricial (filtragem colaborativa), onde cada linha é um utilizador e cada coluna é um filme, pode imaginar dois tipos de interacções do utilizador: ou um utilizador interagiu explicitamente com esse filme (tal como o reproduziu, ou clicou nele para ver mais detalhes, etc.) ou eles não interagiram de todo. Podemos tomar as interações como um feedback positivo (a '1' na matriz) e a amostra as que não interagiram como '0'. É claro que você pode mudar o viés do modelo, alterando a estratégia de amostragem. Você pode fazer a mesma coisa para um modelo de regressão logística atribuindo apropriadamente os exemplos positivos e negativos.