推荐系统中的矩阵分解

1、传统SVD（奇异值分解，正交的，可以将分解后的矩阵看作是原来矩阵的另一种表达） 针对用户与物品的打分表，表中肯定会存在一些缺失值，SVD是想通过将M矩阵分解，然后通过选择较大的特征值来降维。其中K是奇异值的个数，会远远小于用户数和商品数MN， 预测第i个用户对于第j个商品的打分，通过u^T∑v即可得到，这样就可以预测评分。 但是SVD要求矩阵必须是密集的，我们既然要预测打分矩阵，肯定说明打分矩

>>阅读原文<<