推薦系統-矩陣分解原理詳解

目前推薦系統中用的最多的就是矩陣分解方法，在Netflix Prize推薦系統大賽中取得突出效果。以用戶-項目評分矩陣爲例，矩陣分解就是預測出評分矩陣中的缺失值，而後根據預測值以某種方式向用戶推薦。常見的矩陣分解方法有基本矩陣分解（basic MF），正則化矩陣分解）（Regularized MF），基於機率的矩陣分解（PMF）等。今天以「用戶-項目評分矩陣R（N×M）」說明三種分解方式的原理以及

>>阅读原文<<