BPR

模型：

从user-item中提取item-item矩阵

？表示无签到数据，有两种情况，第一种可能本身就是negative value，用户对item不感兴趣，第二种是缺失值，发生了浏览或者购买行为但是丢失了

• 表示用户 u u u相对于item j j j更喜欢item i i i。
  BPR推荐系统会考虑positive value和negative value，也就是所有item都会被个性化ranking，即使用户对某个item缺失值这个item也能够被ranking，而不是仅仅用negative value代替缺失值。
  

​
BPR算法将用户对物品的评分（显示反馈1，隐式反馈0）处理为一个pair集合<i,j>，其中i为评分为1的物品，j为评分为0 的物品，假设用户有M个1的评分，N个0的评分，则该用户共有M*N个pair对。
数据集就由<u,i,j>表示，相对于物品j，用户u更喜欢物品i。
如果都喜欢，则不能成立。
优化：

算法流程：
来源