推薦系統(3)

隱語義模型(LFM)

  • 從數據出發,進行個性化推薦
  • 用戶和物品之間有着隱含關係
  • 計算機能夠更好的理解隱含因子
  • 將用戶和物品通過中介隱含因子聯繫起來

隱語義模型是基於機器學習的思想,ItemCF和UserCF是基於統計建模的思想

RUI=PUQI=k=1KPUkQkIR_{UI}=P_{U}Q_{I}=\sum_{k=1}^{K}P_{Uk}Q_{kI}

損失函數:

C=(U,I)k(RUIRUI)2=(U,I)k(RUIk=1KPUkQkI)2C=\sum_{(U,I)\in k}(R_{UI}-R_{UI}^{-})^{2}=\sum_{(U,I)\in k}(R_{UI}-\sum_{k=1}^{K}P_{Uk}Q_{kI})^{2}
其中:
PUP_{U}表示用戶與隱含因子的關係
QIQ_{I}表示物品與隱含因子的關係

梯度下降:

在這裏插入圖片描述
在這裏插入圖片描述
迭代求解

在這裏插入圖片描述
在這裏插入圖片描述

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章