BPR:個性化排名推薦系統

BPR　推薦模型基於貝葉斯理論在先驗知識下極大化後驗概率，實現從一個用戶－項目矩陣訓練出多個矩陣，且一個矩陣表示一個用戶的項目偏好情況來獲得用戶多個項目的偏序關係下來進行排名的推薦系統。 目前比較主流的推薦系統模型 k近鄰的協同過濾：傳統的相似矩陣的計算會根據啓發式的計算方法，比如皮爾遜相關係數，但是近些年研究，相似矩陣作爲模型參數並且根據大量數據訓練得出。矩陣分解：矩陣分解在顯式反饋和隱式反饋中

>>阅读原文<<