1 介绍
根据已有的用户对item的评分, 来推荐下一个时间用户可能喜欢的items。
2 Pre-processing
只保存用户对item的评分为4 或者 5 的, 将这一类统一设置为1 , 其他所有的评分为1 2 3的或者unobserved全部设置为-1
3 算法思想
利用两个矩阵, 用户embedding矩阵 U, 物品embedding矩阵V, 预测的规则是:
b i b_i bi表示items的bias , 值越高表示物品越受欢迎.
b u b_u bu表示用户的bias
4 损失函数
其中:
P是正样本(评过分的(user , item)pairs)
A是负样本(未评过分的(user , item)pairs)
实现时负采样样本数是正样本的3倍
相较于之前的推荐算法, 这里提出了一个新的损失函数,其他并无其他不同
之后进行梯度下降更新即可,评估指标Pre@5 , Rec@5