基于协同过滤的SVD的推荐系统

参考论文：Using Singular Value Decomposition Approximation For Collaborative Filtering

背景：

m-n矩阵是一个打分矩阵，m是用户的数量，n为项目的数量，Ai,j表示用户i对项目j的评分情况。矩阵A一般存在两个问题。
1> 矩阵A通常非常的庞大，m、n可能有上百万或者是上亿的数量级
2> 矩阵A是一个非常稀疏的矩阵
所以我们希望可以定义一个低维矩阵X，实际上是一个线性模型，可以近似的接近矩阵A。我们通常会假设Aij = Xij+error,而error服从均值为0，标准差为
所以有
所以在给定Xi,j条件下，Ai,j的似然函数为：

我们假定 是相互独立的，则有：

我们要极大化logPr(A|X),其实就是最小化
我们可以通过极小化上面的式子找到这样的一个低维矩阵X，使得可以近似A，这就转换为最小二乘法，可以用SVD来解决此类问题，如果A被分解为了