隐语义模型

隐语义模型

• 从数据出发，进行个性化推荐
• 用户和物品之间有着隐含的关系
• 隐含因子让计算机理解就好
• 将用户和物品通过中介隐含因子联系起来

求解

• 梯度下降方向
• 迭代求解

隐语义模型样本选择

• 对每个用户，要保证正负样本的平衡(数目相似)
• 选取那些很热门，而用户却没有行为的物品
• 对于用户-物品集K{(u,i)}其中如果(u,i)是正样本，则有R ui=1,负样本则R ui=0

参数选择

• 隐特征的个数F，通常F=100
• 学习速率alpha，别太大
• 正则化参数lambda，别太大
• 负样本/正样本比例ratio

协同过滤VS隐语义

• 原理:协同过滤基于统计，隐语义基于建模
• 空间复杂度:隐语义模型较小
• 实时推荐依旧难，目前离线计算多