高维组合特征

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)
$Y=sigmoid(\sum _{i}\sum _{j}w_{ij}&lt;x_i,x_j&gt;)$
其中 $w_{ij}=x_{i}{&#x27;}*x_{j}{&#x27;},x_{i}{&#x27;},x_{j}{&#x27;}$分别表示 $x_i$和 $x_j$对应的低维向量.
学习的参数规模变为 $m*k+n*k$(推荐系统矩阵分解)