矩阵为奇异工作精度_推荐系统中的矩阵分解技术2009

Matrix factorization techniques for recommender systems^[1]

协同过滤主要包含两种方法，一种是近邻法（neighborhood methods），另外一种是隐因子模型（latent factor models）。近邻法又可分为item-based和user-based，隐因子模型里最成功的一种实现是矩阵分解（matrix factorization.）。本文主要对矩阵分解技术进行介绍。

一种基本的矩阵分解模型

矩阵分解模型将用户和物品都映射到一个

维的空间中去(可以认为是f个领域，例如悬疑，惊悚等等)，假设第i个物品用

表示，第u个用户用

表示，

中的元素表示物品i在相应领域的归属程度，