Comece por aqui:

https://sifter.org/simon/journal/20061211.html

O desafio da Netflix, lançado em 2006, foi um marco na história dos sistemas de recomendação, incentivando pesquisadores e engenheiros a melhorar a precisão na recomendação de filmes. Para alcançar esse objetivo, muitos competidores adotaram o Funk-SVD, um algoritmo de decomposição de matriz que se tornou fundamental no campo. Ele permitiu uma melhor previsão das avaliações dos usuários ao decompor a matriz de interações em fatores latentes, capturando padrões de preferência que não eram evidentes de outra forma. A importância do Funk-SVD no desafio destacou a relevância dos métodos de aprendizado de máquina na personalização de serviços, influenciando profundamente a evolução dos sistemas de recomendação.