Matrix Factorization Techniques for Recommender Systems

 

https://ieeexplore.ieee.org/document/5197422

https://developers.google.com/machine-learning/recommendation/collaborative/matrix

機器自己train出matrix, 但通常不具解釋性...

核心概念：矩陣分解（Matrix Factorization）：

•     將使用者-項目的評分矩陣分解為兩個低維的潛在因子矩陣（latent factor matrices）：一個代表使用者偏好，一個代表項目特徵。
•     使用者對某項目的預測評分，即是兩個潛在向量的內積。

優點：

•     能夠捕捉潛在的使用者與項目之間的互動。
•     相比記憶式方法更具可擴展性與準確性。
•     可以容易地融合額外資訊（如時間效應、隱式反饋等）。