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