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,