← 返回卡片

原书出处

智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)

08 第8章 推荐系统的主要算法

核验版本的摘录快照 · 导入于 2026-11-18T22:35:03.564Z

更新其中每个元素。 6)重复步骤3到步骤5,直到达到停止条件(设定迭代次数)为止。 SVD还有一个变种是SVD++算法。

前面已经讲到了推荐系统中的用户冷启动问题。比如,主动点评电影或者美食的用户少,显示反馈比隐式反馈少,此时可以考虑利用用户行为的隐式反馈来弥补。

我们可以把用户历史行为中的隐式反馈和用户属性加入用户评分矩阵,这就相当于对原来的矩阵进行了扩展,则有: 其中,N(u)表

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/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0106.html

EPUB SHA-256:7c59ad7c208225d5ad9ff8ebac84642c693438b69bb9a48fad164b9dfb1eb976