基于模型的推荐算法--基于矩阵分解的协同过滤算法

协同过滤算法在大数据情况下，由于计算量较大，不能做到实时的对用户进行推荐。基于模型的协同过滤算法有效的解决了这一问题，矩阵分解（Matrix Factorization, MF）是基于模型的协同过滤算法中的一种。在基于模型的协同过滤算法中，利用历史数据训练得到模型，并利用该模型实现实时推荐，

其中，代表原始的用户-商品矩阵，如下表3，代表对用户没有评价的商品进行推荐打分后的用户-商品矩阵，如下表4，k是可调参数。更新公式如下：

损失函数：

表3 用户-商品矩阵

表4 用户-商品矩阵（推荐表）

# coding:UTF-8

'''

@author: zhaozhiyong

Date:20160928

'''

import numpy as np

def load_data(path):

'''导入数据

output: data(mat):用户商品矩阵

input: path(string):用户商品矩阵存储的位置

'''

f = open(path)

lines = line.strip().split("\t")

data = []

for line in f.readlines():

arr = []

arr.append(float(x))

for x in lines:

if x != "-":

else: