ALS矩陣分解演算法應用
1.原理
問題描述
ALS的矩陣分解演算法常應用於推薦系統中,將使用者(user)對商品(item)的評分矩陣,分解為使用者對商品隱含特徵的偏好矩陣,和商品在隱含特徵上的對映矩陣。與傳統的矩陣分解SVD方法來分解矩陣R(
同理固定X,可得到求解
其中,
基於公式(3)、(4),首先隨機初始化矩陣X,然後利用公式(3)更新Y,接著用公式(4)更新X,直到計算出的RMSE(均方根誤差)值收斂或迭代次數足夠多而結束迭代為止。
其中,
ALS-WR模型
以上模型適用於使用者對商品的有明確的評分矩陣的場景,然而很多情況下使用者沒有明確的反饋對商品的偏好,而是通過一些行為隱式的反饋。比如對商品的購買次數、對電視節目收看的次數或者時長,這時我們可以推測次數越多,看得時間越長,使用者的偏好程度越高,但是對於沒有購買或者收看的節目,可能是由於使用者不知道有該商品,或者沒有途徑獲取該商品,我們不能確定的推測使用者不喜歡該商品。ALS-WR通過置信度的權重來解決此問題,對於我們更確信使用者偏好的項賦予較大的權重,對於沒有反饋的項,賦予較小的權重。模型如下
ALS-WR目標函式
其中
通過最小二乘法求解
其中