本文motivation:

global的aspect set和local aspect set应该是不一样的。(可以用两个不同的矩阵分解达到这个要求,实际上本文的解决方法也差不多)

本质上,本文在传统truncated SVD的基础上,融合了global和local两种分解机制。最后将两者的估计评分线性相加。

所谓的global跟一般的矩阵分解没什么区别;

local的做法:先将用户分组。然后将对每个组进行矩阵分解。

本文有意思的一点是结合global和local的方法:引入weight参数g_u: r_ui = g_u*global score + (1-g_u)*local score; 对r_ui 求导,并令导数为0.就可以得到global和local中的分解参数同g_u之间的关系。以此更新g_u。奇怪的是,g_u只用来控制什么时候结束循环,最后在做预测的时候也没用到g_u.文中的说法:g_u is enclosed inside the user latent factors.

 

 



留言

登录 请先登陆, 再留言!