矩阵分解
文章平均质量分 92
、叮叮叮当
人们常说,林深时见鹿,海蓝时见鲸,梦醒时见你。
可林深见鹿容易,深海见鲸不难,但醒来见你,如同深海见鹿,林深见鲸一般.
展开
-
BasicSVD
1 前言众所周知,协同过滤算法是完全没有利用到物品本身或者是用户自身的属性, 仅仅利用了用户与物品的交互信息就可以实现推荐,是一个可解释性很强, 非常直观的模型, 但是也存在一些问题。但是协同过滤当中依旧存在着很多问题。1.1 协同过滤处理稀疏矩阵的能力太差了。在真实的数据集当中,用户和商品的数量是很多的,因此用户与商品之间很多时候都是没有交互信息的。就比如小明作为用户,假设商品有1亿但是小明一生当中所购买过的商品数量可能不足10W因此有很多交互信息是为0的,所以在真实的数据集当中,这个矩阵是一原创 2022-01-22 18:29:13 · 586 阅读 · 0 评论 -
基于矩阵分解的推荐算法
矩阵分解算法是学习协同过滤算法的基础,接下来就来讲一件什么是矩阵分解。一,基于矩阵分解算法的相关理论介绍很显然,我们要是想做推荐系统,最基本的一个数据就是用户对这个商品的特性的反应,就拿用户-物品的评分矩阵来说矩阵中,描述了五个用户(U1,U2,U3,U4,U5)对四个物品(D1,D2,D3,D4)的评分,但是我们发现有些表格中没有填写评分的数字,这个时候我们就需要把没有填写的评分根据已知的分数进行预测,然后根据评分的高低给用户进行推荐。那么如何进行预测缺失的评分呢?那么我们可以把这些想象成点,原创 2020-07-13 21:18:28 · 563 阅读 · 1 评论