隐语义模型(LFM)
核心思想:通过隐含特征联系用户兴趣和物品。
我的理解是LFM 就是对物品基于权重进行分类,并同时依据用户对每一类的兴趣来确定用户感兴趣的物品。看似是把一个大问题分解成了两个小问题。
基于兴趣分类的方法大概需要解决三个问题:
- 如何给物品分类
- 如何确定用户对哪些类的物品感兴趣,以及感兴趣的程度
- 对一个给定的类, 选择哪些属于这个类的物品推荐给用户,以及如何确定这些物品在一个类中的权重。
对于第一个问题,采用隐含语义分析技术。该技术采取基于用户统计行为的自动聚类。
对于第二个问题,LFM 通过如下公式计算用户u对物品i 的兴趣:
Perference(u,i)=rui=pTuqi=∑k=1Fpu,kqi,k(1)
其中, pu=(pu,1,pu,2,...,pu,k)T , qi=(q1,i,q2,i,...,qk,i)T , pu,k 度量了用户 u 的兴趣和第