推荐系统_04_矩阵分解算法

1. 背景

2006年10月2日，Netflix公司宣称：在我司现有推荐系统基础上，把圴方根误差降低10%的人，可以瓜分100万美元。

Netflix放出的比赛数据是评分数据，它是推荐系统中评分预测模式。

本次比赛中，矩阵分解模型大放异彩，最著名的是SVD以及其各种变体。

2. 矩阵分解

2.1 为什么要矩阵分解

矩阵分解算法，能很好的解决推荐系统中的评分预测问题。

算法思想：把大矩阵，近似分解成两个小矩阵的乘积。在实际推荐计算时不再使用大矩阵，而是用分解得到的两个小矩阵。

其中，通常k比m和n小很多。k怎么取？用k-fold确定。

2.2. 基础的SVD算法

SVD全称是奇异值分解，属于线性代数范围。它是矩阵分解算法中的一种。推荐算法中实际使用的是伪奇异值分解。

假设以下用户对电影评分的矩阵：记作

这是个稀疏矩阵，矩阵中内容表示用户对物品的评分，其中"？"表示未知的，也就是要预测的。

矩阵分解就是把用户和物品(本例中是电影)都映射到一个K维空间中，分别记作和