一、简介
上一篇文章《海忻:算法小板报(六)——初探MF(矩阵分解)和FM模型》中介绍了推荐领域矩阵分解流派和回归流派中经典的FunkSVD和FM算法,本文则在此基础上,介绍两种算法的改进版本SVD++和FFM的原理。
二、SVD相关算法
在FunkSVD后,陆续出现了许多基于FunkSVD的改进算法,其中一个主要的改进方向就是往模型中加入更多因素。
1. BiasSVD
FunkSVD算法通过K维隐向量来反映用户和物品的特性,最终通过计算用户和物品相对应隐向量的内积来反映用户对物品的喜爱程度。BiasSVD模型则在FunkSVD基础之上加入了如下三项偏置:
这样用户u对物品i的评分,就可以用如下公式预测: