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)。
No comments:
Post a Comment