协同过滤算法处理稀疏矩阵的能力比较弱,为增强泛化能力, 从协同过滤中衍生出矩阵分解模型(MF)或者叫隐语义模型。
隐语义模型最早在文本领域被提出,用于找到文本的隐含语义。2006年用于推荐中, 核心思想是通过隐含特征联系用户兴趣和物品,基于用户的行为找出潜在的主题和分类。
矩阵分解算法的求解:特征值分解(EVD)或者奇异值分解(SVD)
Simon Funk公布了一个矩阵分解算法叫做Funk-SVD, 后来被Netflix Prize的冠军Koren称为Latent Factor Model(LFM)。 Funk-SVD的思想很简单: 把求解上面两个矩阵的参数问题转换成一个最优化问题,可以通过训练集里面的观察值利用最小化来学习用户矩阵和物品矩阵。
此处感觉用的是普通最小二乘法,得到偏导数,但是不去直接算回归系数,而是通过偏导数及学习率得到新的预测值。
此处是不是用右式去替代左边的值,因为数学公式上应该有个下标增加1之类。