推荐算法-矩阵分解（Matrix Factorization，MF）

常用的推荐算法 基于协同过滤的推荐算法是主流思想之一； 基于模型与基于领域的推荐算法之间的区别为：基于领域的协同过滤是将用户的数据读入到内存中进行运算，也称为基于内存的协同过滤（Memory-based）。数据量少的情况下，可以在线实时推荐；基于模型的推荐（Model-based），采用机器学习的方式，分成训练集和测试集。离线训练时间比较长，但训练完成后，推荐过程比较快。 隐语义模型是指通过挖掘用

>>阅读原文<<