SLIM推荐算法

SLIM推荐算法，英文全称为Sparse Linear Methods，中文名为稀疏线性推荐算法，是一种使用机器学习算法-坐标下降法（coordinate decent）来进行的推荐算法，SLIM推荐算法推荐质量相当高。

其损失函数如下所示。其中A是用户物品交互矩阵，Aij表示第i个用户对第j个物品的兴趣值或行为值。W是物品推荐矩阵，Wij表示第i个物品对第j个物品的推荐值。AW为矩阵A乘矩阵W得到的矩阵，AWij表示物品j对用户i的推荐值。SLIM算法的核心就是根据上式并通过坐标下降法来求解W矩阵。

                                     

由于我的毕业设计是研究SLIM推荐算法，我写了一个简单的推荐系统以及几个常见的推荐算法来与SLIM推荐算法作对比，发现SLIM推荐算法的推荐质量确实很不错。源代码和毕设论文在此：https://github.com/SSSxCCC/SLIM-recommendation

我将SLIM推荐算法与LFM（隐语义模型），ItemCF（基于物品的协同过滤算法），UserCF（基于用户的协同过滤算法）来进行比较，推荐算法评估指标有准确率，召回率，覆盖率，流行度。我的毕设论文详细讲解了SLIM推荐算法的原理和我的实验过程。

这里还有一份基于tensorflow2实现的SLIM算法源码：https://github.com/SSSxCCC/Recommender-System