云南省高校数据化运营管理工程研究中心的博客

推荐系统之因子分解篇什么是因子分解  在本文的含义表示：矩阵分解、因子分解机等等。举例：矩阵分解形如：R=PQ。传统推荐系统中的矩阵分解  在很多情况下，数据的一小段携带了数据集中的大部分信息，其他信息则要么是噪声，要么就是毫不相关的信息。矩阵分解可以将原始矩阵表示成新的易于处理的形式，这种新形式是两个或多个矩阵的乘积。有方法证明，对任意一个矩阵A，都有它的满秩分解。  假设存在以下user和ite

在项亮的《推荐系统实战》中曾提到：隐语义模型(以下简称LFM)的算法最早是在文本挖掘领域被提出来的，用于找出文本的隐含语义。而在文本挖掘领域，主题模型(以下简称TM)正是用于找出文本中的隐含主题。由此可以推断LFM是由TM演变而来，TM是文本挖掘领域的专有名词，而LFM是推荐系统领域的专有名词，但其算法思想却是一致的。

基于隐语义模型通过矩阵分解建立用户和隐类之间的关系，物品和隐类之间的关系，最终得到用户对物品的偏好关系。隐语义模型（LFM）假设我们想要发现 F 个隐类， 我们的任务就是找到两个矩阵 U 和 V。