使用SVD进行推荐

时间:2018-05-16 12:32:15

标签: recommendation-engine svd recommender-systems

我实际上是在LIRIS(计算机科学研究实验室)的实习船上工作,我在推荐系统上工作。我的实习船主管要求我做一个关于推荐电影的演讲,感谢明天的SVD。所以我了解了这一点。

我认为我理解A = US(V ^ T)的数学部分,但对于下一步(推荐电影),有些事情对我来说并不是很清楚。我已经找到了一些知识,而且我脑子里还不清楚:D

我不明白SVD是否计算了矩阵A中缺失的数字(预测未对影片评分的用户的评分),或者我们是否需要我们分解的密集矩阵A.推荐电影的3个矩阵?

对于第一种情况,它是如何工作的?因为我没有发现任何相关信息...... 对于第二个,3个矩阵如何帮助我们推荐电影?我不理解分解矩阵和推荐电影之间的联系。

如果有人可以帮助我,我将非常感激:)

PS:对不起英语,我是法国学生:D

1 个答案:

答案 0 :(得分:0)

您指的问题称为矩阵完成问题。对于图书馆,您可以看到here.该方法称为singular value thresholding或交替最小二乘法。另一种实现是here.代码可用here