从用户个人资料得到用户偏好的相关算法

1.top-n推荐系统的因子项目相似性模型（FISM）

factored item similarity models for top-n recommender systems.

• 该方法在忽略历史课程的顺序的条件下实施。

• 背景介绍：
  多年以来，人们开发了很多算法来解决top-N推荐器问题。这些算法利用用户反馈（购买、评级、评论）来计算推荐。现有的方法分为两类：1.基于协同过滤（CF）的方法2.基于内容的方法（用户/项目相关的特征用于构建模型）。CF方法分为两类：1.基于最近邻的方法 2.基于模型的方法。
  最近提出了一种新的top-N推荐方法，称为SLIM。

• 针对什么问题：
  数据集越稀疏，top-N推荐方法的有效性会越低。提出一种算法来缓解这个问题。

• 解决方案：
  提出了一种基于项目的方法来生成top-N推荐。该方法将项目-项目相似性矩阵学习成两个低维潜在因子矩阵的乘积。这些矩阵由一个结构方程建模方法学习得到。

• 提出的框架

• 哪里需要改进