为什么要在推荐系统中用隐式因子分解-隐语义模型?
因为在实际项目中,我们的用户很多项目都是没有评分的,并且很多情况下评分值都是缺失的。或者很稀疏。
那么我们分解为用户因子矩阵和项目因子矩阵,然后在低维空间进行计算,这样的话数据会更加稠密。然后反过来我们来预测缺失值,这就是目的。
在这里为什么不用随机梯度下降而是用ALS
首先在实际项目中,显示反馈是比较少的,那么我们就需要隐式反馈
第二点:ALS是一个凸优化问题,核心是EM
第三点:ALS适合大数据并发场景,效率非常高。
为什么要在推荐系统中用隐式因子分解-隐语义模型?
因为在实际项目中,我们的用户很多项目都是没有评分的,并且很多情况下评分值都是缺失的。或者很稀疏。
那么我们分解为用户因子矩阵和项目因子矩阵,然后在低维空间进行计算,这样的话数据会更加稠密。然后反过来我们来预测缺失值,这就是目的。
在这里为什么不用随机梯度下降而是用ALS
首先在实际项目中,显示反馈是比较少的,那么我们就需要隐式反馈
第二点:ALS是一个凸优化问题,核心是EM
第三点:ALS适合大数据并发场景,效率非常高。