《矩阵分解类模型概述》2300字.docx

PAGE2

矩阵分解类模型概述

矩阵分解模型作为协同过滤家族的一份子，一直受到广泛使用，具有极强的可扩展性，在实际的大规模系统应用中也有较好的效果。但经典的SVD(SingularValueDecomposition,SVD)模型虽使用广泛，仍存在不能很好的处理数据稀疏与冷启动问题，而对稀疏矩阵进行填充、降维、压缩时，又会不可避免的带来模型计算复杂度的提高。FunkSVD[39]模型与PMF模型（由于PMF与FunkSVD有着相同的形式，PMF看作FunkSVD的概率解释版）通过减少矩阵分解的个数而降低了模型计算复杂度，并运用线性回归的思想，加入正则项以避免过拟合。

矩阵分解模型