推薦算法-矩陣分解（Matrix Factorization，MF）

常用的推薦算法 基於協同過濾的推薦算法是主流思想之一； 基於模型與基於領域的推薦算法之間的區別爲：基於領域的協同過濾是將用戶的數據讀入到內存中進行運算，也稱爲基於內存的協同過濾（Memory-based）。數據量少的情況下，可以在線實時推薦；基於模型的推薦（Model-based），採用機器學習的方式，分成訓練集和測試集。離線訓練時間比較長，但訓練完成後，推薦過程比較快。 隱語義模型是指通過挖掘用

>>阅读原文<<