推荐算法——隐语义模型

最新推荐文章于 2024-02-29 16:49:02 发布

Whu_Xcy

最新推荐文章于 2024-02-29 16:49:02 发布

阅读量4.5k

点赞数

分类专栏：数据挖掘算法文章标签：算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/u011060119/article/details/75632533

版权

LFM（latent factor model）是一种推荐算法，它利用隐藏的特征来推断用户的兴趣与物品之间的联系。通过采样负样本，建立用户-物品集合K，其中正样本兴趣值为1，负样本为0。该模型的损失函数是其核心组成部分，用于优化用户兴趣的预测。

摘要由CSDN通过智能技术生成

LFM(latent factor model)
通过隐含特征联系用户兴趣和物品。
计算用户u对物品i的兴趣：

p r e f e r e n c e (u, i) = r u i = p T u q i = \sum f = 1 F p u, k q i, k

$preference(u,i) = {r_{ui}} = p_u^T{q_i} = \sum\limits_{f = 1}^F {{p_{u,k}}{q_{i,k}}}$
其中

pu,k $p_{u,k}$ 度量了用户u的兴趣和隐类k之间的关系，

最低0.47元/天解锁文章

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
1
评论
推荐算法——隐语义模型

LFM(latent factor model) 通过隐含特征联系用户兴趣和物品。计算用户u对物品i的兴趣： preference(u,i)=rui=pTuqi=∑f=1Fpu,kqi,kpreference(u,i) = {r_{ui}} = p_u^T{q_i} = \sum\limits_{f = 1}^F {{p_{u,k}}{q_{i,k}}} 其中pu,kp_{u,k}度量了
复制链接

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。