推荐系统------------矩阵因子分解

引入：

假设用户物品评分矩阵位R，现在有m个用户，n个物品
我们想要发现K个引雷，我们的任务就是找到两个矩阵P和Q，使这两个矩阵的乘积近似等于R，即将用户物品评分矩阵R分解称为两个低维矩阵相乘：

进一步理解LFM
我们可以认为，用户之所以给电影打出这样的分数，是由内在原因的，我们可以挖掘出影响用户打分的隐藏因素，进而根据未评分电影与这些隐藏因素的关联度，决定此未评分电影的预测评分。
应该有一些隐藏的因素，影响用户的打分，比如电影，演员，题材，年代，，，甚至不一定是人，
直接可以理解的隐藏因子。
找到隐藏因子，可以对user和item进行关联（找到是犹豫什么使得user喜欢/不喜欢此item，什么会决定user喜欢/不喜欢item），就可以推测用户是否喜欢某一部未看过的电影。

例如：对于用户看过的电影，会有相应的打分，但一个用户不可能看过所有电影，对于用户没有看过的电