Какое существует решение задачи по рекомендательным системам?

Question

[zelakant]

Задача: пользователь скачивает фотографии с сайта. У пользователя имеются некоторые свойства (например, пол, страна и т.д.). У каждой фотографии также имеются определённые свойства (например, число просмотров, скачиваний и т.д.). Приходит новый пользователь. Какие фотографии ему рекомендовать?
Дано: Матрица следующего вида:
Пользовательi {Вектор свойств пользователяi} {Вектор скачанных фотографий пользователя i {для каждой скачанной фотографии вектор её свойств}}
Необходимо: для каждого пользователя, описываемому соответствующим вектором матрицы получить вектор-рейтинг рекомендаций, где наибольшими значениями будут являться наиболее подходящие фотографии.

На текущий момент были испробованы различные существующие в интернете решения, включая библиотеку librec (в неё также входит всеми известный Slope One). Однако! Они не позволяют учитывать свойства пользователя и фотографии, то есть, во входных данных идёт исключительно матрица User/Item.
Также была попытка применить распиаренный mail.ru алгоритм Factorization Matrix с помощью библиотеки LibFM, однако на деле оказалось, что она предназначена вовсе не для целей рекомендации, а качестве классификации/регрессии, так как формат входных данных (как и в библиотеке libsvm) имеет вид: метка (класс) {idi}:{vali} {idi1}:{vali1}...

Вопрос:
1. Можно ли (если да, то как) использовать libFM для задач рекомендат. систем?
2. Какие существуют решения, позволяющие во входных данных использовать не только матрицу user/item, но и свойства пользователей и объектов?