第6章　矩阵分解推荐算法

第4章介绍了基于用户（user-based）和基于标的物（item-based）的协同过滤算法，这类协同过滤算法是基于邻域的算法（也称为基于内存的协同过滤算法），该算法不需要模型训练，基于非常朴素的“物以类聚、人以群分”的思想就可以为用户生成推荐结果。还有一类基于隐因子（模型）的协同过滤算法也非常重要，这类算法的重要代表就是本章要讲的矩阵分解推荐算法。矩阵分解推荐算法是2006年Netflix推荐大赛获奖的核心算法，在整个推荐系统发展史上具有举足轻重的地位，对促进推荐系统的大规模发展及工业应用功不可没。

本章会从矩阵分解算法的核心思想、矩阵分解的算法原理、矩阵分解算法的求解方法、矩阵分解算法的拓展与优化、近实时矩阵分解算法、矩阵分解算法的应用场景、矩阵分解算法的优缺点等7个方面来讲解。希望通过本章的学习，读者可以很好地了解矩阵分解的算法原理与工程实现，并且具备自己动手实践矩阵分解算法的能力，尝试将矩阵分解算法应用到推荐业务中。