《推荐系统相关理论和技术理论基础综述》2600字.docx

推荐系统相关理论和技术理论基础综述

1.1基于矩阵分解的推荐算法

在各类推荐算法中，最为典型的是基于矩阵分解的推荐算法。在早期的研究中，研究者们会使用奇异值分解的方法进行矩阵分解。奇异值分解的公式如公式（2-6）所示。

R

（2-6）

使用奇异值进行分解时，算法首先需要将矩阵中的数据填充补全为一个稠密的矩阵R，然后通过特定方法进行奇异值分解的操作。补全后的矩阵往往空间复杂度非常大，计算起来十分耗时，因此，在实际操作中很少使用SVD奇异值分解算法。

在2006年，SimonF创新性地提出了一种用于关于用户和物品的隐语义模型(LatentFactorModel，LFM)，该算法的目的就是