推荐系列（四）：矩阵分解|Matrix Factorization

矩阵分解|Matrix Factorization

在上节讲过，用户和item之间的关系可以用一个关系矩阵表示，而矩阵分解式一个简单的嵌入模型。假设一个用户反馈矩阵：$$A\in R^{m\times n}$$，其中m表示用户的数量，n表示item的数量

• 用户嵌入矩阵 $$U\in {\mathbb{R}}^{m\times d}$$
• 商品嵌入矩阵 $$V\in {\mathbb{R}}^{n\times d}$$

嵌入矩阵可以看作是$$U{V}^T(i,j)U.V^T⟨U_i,V_j⟩ij{A}_{i,j}$$的点积

矩阵分解一般是用近似的方法表示，而不是使用整个矩阵表示，整个矩阵的元素个数是O(nm)个元素，而嵌入矩阵的元素个数是O((m+n)d)，其中d的维数一般远小于m和n的维度。因此，嵌入矩阵能够表示数据的潜在结构，这表明观察到的结果接近于低维子空间，类似于降维。在上述例子中，由于维度太低，以至于这个优点被忽略不计。然而，在现实的推荐系统中，使用矩阵分解的效果可以比学习完整矩阵会更加高效。

选择目标函数

一个常用的目标函数是欧式距离，这里以此为例。为此，最小化所有观察到的item对的误差平方和：

$$\underset{U\in {\mathbb{R}}^{m\times d},V\in {\mathbb{R}}^{n\times d}}{\min }\sum _{(i,j)\in \text{obs}}(A_{ij}-⟨U_i,V_j⟩{)}^2$$

在上述目标函数中，只对观察到的item对(i，j)求和，即用户反馈矩阵中的非零值。然而，只对观察到值进行处理并不是一个好的想法 ，因为矩阵中的所有元素都会对模型产生影响，如果只用观察到的值进行仿真模拟，则该模型无法得出有效的推荐且泛化能力差。一句话总结：在推荐系统中，正样本数据集和负样本数据集都是有用的。

因此会有另外的求和方法，如下所示：

将为观察到的item对的值设置为0， 并对矩阵中所有的值求和，因此求和公式从之前的只对观察到的item对求和之外，还需要对未观察到的item对，求和公式如下所示：

​ $$\underset{U\in {\mathbb{R}}^{m\times d},V\in {\mathbb{R}}^{n\times d}}{\min }\Vert A-U{V}^T{\Vert }_F^2$$

上述问题可以使用奇异值分解（Singular Value Decomposition ， SVD）处理，然而SVD不是一个很好的解决方法，这是由于其在实际应用中，矩阵A可能是非常稀疏的，比如在视频或新闻APP中，热门的item可能被更多的用户浏览，导致矩阵很稀疏。稀疏矩阵会导致SVD的求解结果近似为0，导致泛化能力很差。

相反，加权矩阵分解 将目标分解为两个总和：

• 观察到的条目的总和；
• 未观察到的条目的总和；

$$\underset{U\in {\mathbb{R}}^{m\times d},V\in {\mathbb{R}}^{n\times d}}{\min }\sum _{(i,j)\in \text{obs}}(A_{ij}-⟨U_i,V_j⟩{)}^2+w_0\sum _{(i,j)̸\in \text{obs}}(⟨U_i,V_j⟩{)}^2$$

注意，在实际应用中，还需要仔细权衡观察到的item对。例如，热门item或频繁使用（例如，重度用户）可能会主导目标函数。因此，我们可以通过对训练样例进行加权重来考虑item频率来校正模型效果。换句话说，可以通过以下方式替换目标函数：

$$\sum _{(i,j)\in \text{obs}}{w}_{i,j}(A_{i,j}-⟨U_i,V_j⟩{)}^2+w_0\sum _{i,j̸\in \text{obs}}⟨U_i,V_j{⟩}^2$$

最小化目标函数

最小化目标函数的常用算法包括：

• 随机梯度下降（SGD） 是使损失函数最小化的通用方法。
• 加权交替最小二乘（WALS）专门针对这一特定目标。

目标函数对于U和V都是二次的，其中，随机梯度下降算法是比较常用的模型训练方法，这里不做过多的介绍，而WALS通过随机初始化嵌入，然后交替进行以下工作：

• 固定U，对V求解
• 固定V， 对U求解

关于WALS的详细介绍可以看该图：

SGD vs. WALS

SGD和WALS各有自身的优点有缺点：

SGD

• 非常灵活 ：可以使用其他损失函数

• 可以并行化

• 收敛较慢

• 更难处理未观察到的item

WALS

• 依赖于均方误差

• 可以并行化

• 收敛速度比SGD快

• 更容易处理未观察到的item