mf模型 svd++_算法小板报(六)——初探MF(矩阵分解)和FM模型

一、简介

矩阵分解（Matrix Factorization，MF）是推荐系统中非常经典的一个算法，虽然现今工业界直接使用的较少，但其背后蕴含的编码降维思想，得以广泛应用于推荐领域之中。本文则主要来梳理下MF和FM的原理，灵感主要来源于大神张俊林的文章(张俊林：推荐系统召回四模型之：全能的FM模型)。

二、MF（Matrix Factorization）

矩阵分解MF算法，同时兼具了协同过滤，隐语义分析和有监督学习的特性，加上矩阵分解的易实现性和高拓展性，成为推荐领域非常经典的算法。我们先来梳理下矩阵分解的基础算法。

1. SVD（奇异值分解）

说到矩阵分解，往往最先想到的是解析几何中奇异值分解这一概念。实际上，推荐系统中最初的矩阵分解算法也正是源于此。我们可以对User-Item矩阵A（存储用户对物品的评分）直接进行矩阵分解：