推荐系统（2）--LFM（Latent factor model）隐语义模型

在推荐系统中它能够基于用户的行为对item进行自动聚类，这些主题/类别可以理解为用户的兴趣。豆瓣书单的例子来说，那么前提是我们要对所有item（图书）进行分类。那如何分呢？假设数据集中有3个user, 4个item, LFM建模的分类数为4

矩阵值Rij表示的是user i 对item j的兴趣度，这正是我们要求的值

矩阵值Pij表示的是user i对class j的兴趣度；

矩阵值Qij表示的是item j在class i中的权重

 

 

对于每个user来说，我们把他有过行为的item称为正样本，规定兴趣度RUI=1，

此外我们还需要从item全集中随机抽样，选取与正样本数量相当的样本作为负样本，规定兴趣度为RUI=0。因此，兴趣的取值范围为[0,1]。

采样之后原有的数据集得到扩充，得到一个新的user-item集K={(U,I)}，

 

python源码

https://blog.csdn.net/LieQueov/article/details/79752473

 

转载于:https://www.cnblogs.com/pocahontas/p/11395433.html