矩阵分解（MATRIX FACTORIZATION）在推荐系统中的应用

最新推荐文章于 2024-11-20 16:23:07 发布

后来者xq

最新推荐文章于 2024-11-20 16:23:07 发布

阅读量7.2k

点赞数

分类专栏：数据挖掘文章标签：隐语义模型矩阵分解推荐系统

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/houlaizhexq/article/details/39998135

版权

本文介绍了矩阵分解在推荐系统中的应用，详细阐述了基本思想、形式化描述，包括带偏置、标签和历史隐式反馈、时间因素的矩阵分解。矩阵分解通过用户和物品的特性矩阵降低评分矩阵的维度，预测用户喜好，具有良好的扩展性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

最近一段时间隐语义模型（Latent Factor Model，LFM）在推荐系统中的应用越来越广泛，本文所介绍的矩阵分解方法也是基于这个隐语义模型。
这里需要说明的一点是，这里所说的矩阵分解并不是SVD，之前在这个问题纠结了很久，因为网上很多人还有周围的人都把矩阵分解就当成了SVD，实际上SVD也是矩阵分解的一种技术（SVD在推荐系统中的应用见http://blog.youkuaiyun.com/wuyanyi/article/details/7964883，这篇才是真正的SVD推荐的方法，而其他很多网上所指的SVD就是本文所介绍的）。

基本思想

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。