add matrix
parent
24936c0094
commit
1dc75780c0
|
@ -57,10 +57,10 @@ $$A = Q \Sigma Q^{-1}$$
|
|||
## 4.FunkSVD
|
||||
Simon Funk提出的方案被称为FunkSVD。FunkSVD不将矩阵分解为三个矩阵U, $\Sigma$,V,而是分解为2个低秩的user-item矩阵,降低了系统的复杂度
|
||||
优化的目标函数为
|
||||
$$\min \limits_{q^*,p^*} \sum \limits_{(u, i)} (r_{ui} - q_i^Tp_u) ^ 2 $$
|
||||
$$\min_{q^*,p^*} \sum_{(u, i)} (r_{ui} - q_i^Tp_u) ^ 2 $$
|
||||
|
||||
核心思想事通过最小化观测数据的MSE,讲user与item的用一个低秩的隐向量表示出来。同时,还可以加上L2正则
|
||||
$$\min \limits_{q^*,p^*} \sum \limits_{(u, i)} (r_{ui} - q_i^T p_u) ^ 2 + \lambda (||q_i||^2 + ||p_u||^2)$$
|
||||
$$\min_{q^*,p^*} \sum_{(u, i)} (r_{ui} - q_i^T p_u) ^ 2 + \lambda (||q_i||^2 + ||p_u||^2)$$
|
||||
优化求解的方法可以通过传统的GD或者SGD方法来求解。
|
||||
|
||||
## 5.BiasSVD
|
||||
|
@ -69,7 +69,7 @@ $$ \hat{r}_{ui} = \mu + b_u + b_i + q_i^Tp_u $$
|
|||
其中,$\mu$表示整体的平均分数,$b_u$是user的偏置,而$b_i$是item的偏置。
|
||||
所以最终的目标函数变为
|
||||
|
||||
$$\min \limits_{q^*,p^*, b_i, b_u} \sum \limits_{(u, i)} (r_{ui} - q_i^Tp_u) ^ 2 + \lambda (||q_i||^2 + ||p_u||^2 + ||b_i||^2 + ||b_u||^2)$$
|
||||
$$\min_{q^*,p^*, b_i, b_u} \sum_{(u, i)} (r_{ui} - q_i^Tp_u) ^ 2 + \lambda (||q_i||^2 + ||p_u||^2 + ||b_i||^2 + ||b_u||^2)$$
|
||||
|
||||
## 6.SVD++
|
||||
SVD++是在SVD的基础上加入隐式反馈,使用user的各种历史浏览记录,历史评分记,item的各种历史浏览记录,历史评分记录等作为新的参数加入到模型中。
|
||||
|
|
Loading…
Reference in New Issue