推荐系统: 相关推荐方法对比

SVD

矩阵因子分解模型把用户和物品两方面的信息映射到一个维度为f的联合隐语义空间中，因此用户-无论品间的交互作用被建模为该空间中的内积。这个隐语义空间视图通过描述物品和用户在各个因子上的特征来解释评分值，而这些因子是从用户反馈自动推断出的。例如，如果物品是电影，因子将会用来度量如喜剧或悲剧、面向儿童的等级等这些明显的维度，以及如性格发展的深度或者“突变”等隐式维度，甚至是完全无法解释的维度。

相应的，每一个物品i都与一个f维向量qi相关，每一个用户都与一个f维向量pu相关。给定一个物品i，向量qi的维度值代表了该物品拥有这些因子的程度，其取值大小反映了物品拥有这些因子的积极或者消极因素。

给定一个用户u，向量pu的维度值代表了用户对这些因子的怕你好程度。同样的，这些值的大小反映了用户对这些因子的积极或消极的评价。qiTpu记录了用户和物品之间的交互，也就是用户对物品的总体兴趣度。