背景介绍
BPR模型是Steffen Rendle提出的一种面向隐反馈偏好数据的排序模型1,该排序模型较好地对用户的正负向反馈进行建模,且可以与传统的协同过滤模型如矩阵分解模型进行结合即BPR-MF,本文介绍如何在BPR-MF模型中融合用户或者产品属性2,融合用户或者产品属性的BPR模型可以较好地解决冷启动问题。
问题分析
预备知识
BPR-MF模型将评分矩阵 Y^ 分解为两个低秩矩阵 W∈R|U|×k 和 H∈R|I|×k 。用户 u 对产品
y^ui=∑f=1kwufhif=<wu,hi>(1)
通过随机梯度下降方法,BPR-MF模型得到如下的用户和产品特征矩阵:
W=⎛⎝⎜0.21.30.91.20.31.1⎞⎠⎟H=⎛⎝⎜⎜⎜?0.91.10.1?1.00.21.2⎞⎠⎟⎟⎟
W 中的每行代表一个用户,
产品属性矩阵 AI∈R|I|×n ,其中 aIil 等于1当且仅当产品 i 具有属性