0-1数据的矩阵分解

Question

我使用0-1数据来训练矩阵分解（MF）模型并使用召回来评估性能。对于零数据，我们可以解释为两种方式。首先，用户大致不喜欢它。其次，用户不知道它或不喜欢它。在第一个条件下，我对随机负样本进行采样并使用梯度下降。在后一种情况下，我使用机密参数并迭代更新分析表达式。我发现他们给出了完全不同的结果，我很困惑。有人能帮助我吗？

Answer 1

结果与哪种方式不同？

“保密参数”是什么意思？

3篇有趣的论文，也涉及推荐系统背景下0-1数据的解释（我是其中一个的共同作者）：

1. Hu等人：Collaborative filtering for implicit feedback datasets
2. Rendle等人：BPR: Bayesian personalized ranking from implicit feedback
3. Pan et al。：One-class collaborative filtering