← 返回卡片

原书出处

大数据挖掘与统计机器学习

09 第9章 推荐系统

核验版本的摘录快照 · 导入于 2026-11-18T10:22:02.207Z

虑浏览这一行为给评分预测带来的潜在影响(Ricci et al.,2011)。

因此考虑非显性评分可以提高推荐的精度,显示用户的倾向。用户对哪些物品评了分,这些物品反过来能够潜在反映用户的某些倾向,而我们不必知道这种倾向具体的原因是什么,这就产生了 SVD++算法。

对每个物品i 设一个因子向量yi∈RK,用来表示物品j 反映的给它评过分的用户的

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter11_0002.xhtml

EPUB SHA-256:6f2324b41414df46227a4d0ee4cc188eb120a38a798a14be96a3d7d919028c00