理论部分
1. 隐因子模型的推荐算法:使用奇异值分解或者随机梯度下降等方法将用户的评分矩阵分解为用户和产品的特征矩阵 ;
2. 提出一种对推荐效果新的评估方法:
3.Movielens 数据集:
(1)100k,包括1000个用户对1700部电影的点评信息。94.88%的评分都没有 。要给用户给予推荐,其实就是对评分矩阵中未知的项进行预测,也就是对一个稀疏的打分矩阵空白处进行“填空"。
(2)1m,包括6000个用户对4000部电影100万的评分记录。
(3)10m,包括72000个用户对10000部电影的的1000万个评分记录以及100000个标签。
4. 奇异值分解SVD: