推荐算法LFM

将每个用户和物品都用一个\(K\)维向量表示,则某个用户\(u\)对某个物品\(i\)的感兴趣程度可以表示为$$r_{ui}=p_u^Tq_i$$

其中\(p_u\)表示用户\(u\)与\(K\)个隐含类的关联关系,\(q_i\)表示物品\(i\)与\(K\)个隐含类的关联关系。

训练的目标函数为$$min\sum_{(u,i)\in S}(r_{ui}-\hat{r_{ui}})=\sum_{(u,i)\in S}(r_{ui}-p_u^Tq_i+\lambda ||p_u||^2 +\lambda ||q_i||^2)$$其中\(S\)表示训练集中的样本对。

    原文作者:Xafter0
    原文地址: https://blog.csdn.net/Xafter0/article/details/80530606
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞