隐语义模型(LFM)
- 从数据出发,进行个性化推荐
- 用户和物品之间有着隐含关系
- 计算机能够更好的理解隐含因子
- 将用户和物品通过中介隐含因子联系起来
隐语义模型是基于机器学习的思想,ItemCF和UserCF是基于统计建模的思想
R U I = P U Q I = ∑ k = 1 K P U k Q k I R_{UI}=P_{U}Q_{I}=\sum_{k=1}^{K}P_{Uk}Q_{kI} RUI=PUQI=∑k=1KPUkQkI
损失函数:
C
=
∑
(
U
,
I
)
∈
k
(
R
U
I
−
R
U
I
−
)
2
=
∑
(
U
,
I
)
∈
k
(
R
U
I
−
∑
k
=
1
K
P
U
k
Q
k
I
)
2
C=\sum_{(U,I)\in k}(R_{UI}-R_{UI}^{-})^{2}=\sum_{(U,I)\in k}(R_{UI}-\sum_{k=1}^{K}P_{Uk}Q_{kI})^{2}
C=∑(U,I)∈k(RUI−RUI−)2=∑(U,I)∈k(RUI−∑k=1KPUkQkI)2
其中:
P
U
P_{U}
PU表示用户与隐含因子的关系
Q
I
Q_{I}
QI表示物品与隐含因子的关系
梯度下降:
迭代求解