若用户的数量为m,物品的数量为n,那么需要学习的参数的规模为m*n.
将用户和物品分别用k维的低维向量表示(k<<m,k<<n) Y = s i g m o i d ( ∑ i ∑ j w i j < x i , x j > ) Y=sigmoid(\sum _{i}\sum _{j}w_{ij}<x_i,x_j>) Y=sigmoid(i∑j∑wij<xi,xj>) 其中 w i j = x i ′ ∗ x j ′ , x i ′ , x j ′ w_{ij}=x_{i}{'}*x_{j}{'},x_{i}{'},x_{j}{'} wij=xi′∗xj′,xi′,xj′分别表示 x i x_i xi和 x j x_j xj对应的低维向量. 学习的参数规模变为 m ∗ k + n ∗ k m*k+n*k m∗k+n∗k(推荐系统矩阵分解)