A Singular Value Decomposition Approach For Recommendation Systems (3)

A Singular Value Decomposition Approach For

Recommendation Systems

说明：这是一篇来自土耳其中东技术大学的2010年的硕士论文，主要讲述了在推荐系统中应用SVD方法。

这篇文章可以到http://download.csdn.net/detail/yuzhongchun/8078769下载。

Chapter 3 Singular Value Decomposition

      第3章节，作者用实例讲述了什么是SVD，怎么进行SVD。更详细的说明可以参考KirkBaker的”Singular Value Decomposition”, 2005。

3.1 Singular Value Decomposition (SVD)

3.1.1 Definition of SVD

      SVD可以看作是数据简化（数据融合）的一种方法。SVD是一种矩阵分解技术。

      奇异值分解可以将一个比较复杂的矩阵用更小更简单的几个子矩阵的相乘来表示，这些小矩阵描述的是矩阵的重要特性。

      SVD实际上是数学专业内容，但它现在已经渗入到不同的领域中。比如，Netflix（一个提供在线电影租赁的公司）曾经就悬赏100万美金，如果谁能提高它的电影推荐系统评分预测准确率提高10%的话。令人惊讶的是，这个目标充满了挑战，来自世界各地的团队运用了各种不同的技术。最终的获胜队伍"BellKor's PragmaticChaos"采用的核心算法就是基于SVD。SVD提供了一种非常便捷的矩阵分解方式，能够发现数据中十分有意思的潜在模式。

3.1.2 Example of SVD

      使用一个具体的例子，讲述怎么进行SVD。这里不再列出，有兴趣的可以参看论文，以及Kirk Baker的”Singular ValueDecomposition”, 2005。

有两篇讲述SVD很好的博客，可以参看下：

1) 矩阵奇异值分解及其应用

http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html

2) 奇异值分解及几何意义

http://blog.csdn.net/redline2005/article/details/24100293