论文笔记: 基于 BMF 和 GreConD 的推荐

1. Context-Aware Recommender System Based on Boolean Matrix Factorisation
   1.1 使用了 BMF-based approach 这个说法.

2. An FCA-based Boolean Matrix Factorisation for Collaborative Filtering
   2.1 使用了 based on Boolean Matrix Factorisation (BMF) and Formal Concept Analysis.
   2.2 也使用了 BMF based on Formal Concept Analysis, 即 BMF 是目标，FCA 是手段（技术）
   2.3 在该文的 2.4 节中说明了，使用矩阵分解后的 $\mathbf{U}\in {\mathcal{R}}^{m\times f}$ 来获得用户的 k-近邻，其中 $f$ 是隐含因子数.
   2.4 在该文的 3.2 节中描述了不同的数据转换阈值，但我没看出第 4 节中究竟用的哪个。
   2.5 该文没有描述启发式概念构建，直接用了 BMF 分解的结果。

3. On Suboptimality of GreConD for Boolean Matrix Factorisation of Contranominal Scales
   3.1 这篇论文第一次出现 GreConD 的时候没给出参考文献，但在第 3 节指出为论文 Discovery of optimal factors in binary data via a novel method of matrix decomposition 的一个算法. 所以我们引用了这篇原始论文。
   3.2 这篇论文只是证明了 GreConD 的次优性。但由于它是第一篇给出算法名称的，我们还是可以引用。