FPMC（Factorizing Personalized Markov Chains）是一种用于推荐系统的模型，它综合了马尔可夫链（MC）和矩阵分解（MF）的思想。该模型通过考虑用户购买行为的时序关联，利用篮子概念建立用户行为的转移矩阵，并通过张量分解实现个性化推荐。FPMC在药店数据集上的表现优于MC、MF等模型，通过F值、AUC和HLU等指标评估其效果。
由于这篇我的博客归纳的论文追根溯源地看了FPMC，大概地归纳一下。
=======================================
论文标题：Factorizing Personalized Markov Chains for Next-Basket Recommendation
FPMC模型主要用于推荐系统中预测未知物品引起用户兴趣的可能性并以此排出物品推荐列表
FPMC的模型灵感主要来源于MC（马尔可夫链模型）和MF（矩阵分解）/LFM（隐性因子模型） #MF和LFM意思相等
篮子推荐
这个模型主要的概念就在于这个篮子概念的提出
首先来解释一下这幅图。这是一个用户-时序图。每一个小方块，也就是“篮子”，代表当前时序一个用户购买的物品也就是物品集合，以马尔可夫链概念来说就是上一个时序的篮子和下一个篮子的物品内容是有联系的。
下面我们会详细解释模型内容，以下是将会使用的几个参数
然后我们将篮子概念带入马尔可夫链中
每个阶段的状态都是一个篮子。由于篮子内容相当于所有项目的组合，将其视为二进制编码篮子内容的规模为
最低0.47元/天 解锁文章
191
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
