隐语意模型的推荐系统
https://www.jianshu.com/p/7b6bb28c1753
核心思想是将user-item ranking矩阵通过隐含的类别向量分解为user-class, class-item矩阵的乘积。
定义损失函数，使用梯度下降法，将P,Q两个矩阵求解出来，后续的推荐就基于$P_I \times Q$获得第i个用户对所有item的评分（兴趣）情况，排序后就可以做出推荐
早前的奇异值分解SVD理论：
假设矩阵M是一个m*n的矩阵，则一定存在一个分解 ，其中U是m*m的正交矩阵，V是n*n的正交矩阵，Σ是m*n的对角阵，可以说是完美契合分解评分矩阵这个需求。但是奇异值分解要求矩阵是稠密的，但现实中往往无法满足这个要求。
https://zhuanlan.zhihu.com/p/34497989