DeAnti

Private blog

Same on the other side


个性化推荐算法LFM理论知识

个性化推荐算法LFM理论知识

LFM是监督学习的个性化推荐算法,其他的个性化推荐算法还有itemCF等。

建模公式

其中:

  • u 指 user , i 为 item
  • p(u,i) 代表user是否点击了item, 点击了值为1,否则值为0
  • $p_{u}$与${q_{i}}$是向量,$p_u$的转置$p_u^T$与$q_i$相乘为一值
  • F是向量维度

损失函数

其中:

  • D是所有训练样本集合
  • $p^{LFM}(u,i)$是LFM算法预估值

该公式过拟合导致模型特征值复杂,模型泛化能力减弱
为解决过拟合,需使用到正则化

算法迭代

此处采用l2正则化,得到正则化后公式:

其中:

采用梯度下降的方法迭代,有迭代公式:

影响算法的因素

  1. 负样本取样。例如选取了100个正样本,就要选取100个负样本来平衡。
  2. 隐特征 F,正则参数 α,leanring rate β。其中F选择在10~32之间,α和β一般选取在0.01~0.05之间

算法比较

复杂度 LFM CF
时间 O(dnF) O(mk^2)
空间 O(n) O(n^2)
  离线计算 响应及时

其中:
d是迭代次数,n是样本大小,F是向量维度,m是用户点击次数

Tips

Cancel

Thanks a lot,I will be better!

scan possible
scan possible
Scan and give tips as you wish

OpenAlipayScan it and give tips as you wish

Wait a minute,Loading