[论文笔记] BPR: Bayesian Personalized Ranking from Implicit Feedback 贝叶斯个性化排序

参考：贝叶斯个性化排序(BPR)算法小结 - 刘建平Pinard - 博客园

参考：矩阵分解在协同过滤推荐算法中的应用 - 刘建平Pinard - 博客园

BPR算法使用背景

　   在很多推荐场景中，我们都是基于现有的用户和商品之间的一些数据，得到用户对所有商品的评分，选择高分的商品推荐给用户，这是funkSVD之类算法的做法，使用起来也很有效。但是在有些推荐场景中，我们是为了在千万级别的商品中推荐个位数的商品给用户，此时，我们更关心的是用户来说，哪些极少数商品在用户心中有更高的优先级，也就是排序更靠前。也就是说，我们需要一个排序算法，这个算法可以把每个用户对应的所有商品按喜好排序。BPR就是这样的一个我们需要的排序算法。

BPR建模思路

引入排序的三元组

使用了三元组<u,i,j>。 用户 U 在 i 和 j 中点击了 i ，即 i 的优先级大于 j 。

i