[paper阅读] 度量分解: 矩阵分解之下的推荐(二)

背景

推荐中的矩阵分解

矩阵分解是物品推荐中最有效的技术之一. 矩阵分解用于推荐系统的第一个版本是Simon Funk等人Netflix比赛的评分任务. 之后的研究改进了矩阵分解, 并且提供了很多变种. 例如, Koren等人引入了用户和物品偏置来对针对用户和物品特定的特征进行建模(详情见参考资料4

继续阅读

[paper阅读] 度量分解: 矩阵分解之下的推荐(一)

摘要

过去的十几年时间里, 有许多研究都调研过矩阵分解技术, 它已经成为个性化推荐中最受欢迎的技术之一. 但是, 基于矩阵分解的推荐模型中采用的点积无法满足不等式性质, 可能会限制它们的可表达性, 得到次佳的方案. 为了解决这个问题, 作者们提出了一个新颖的推荐技术. 假设用户和物品可以放到低维空间, 并且可以使用满足不等式性质的欧氏距离来度量它们之间的距离. 为了验证其效果, 作者们进一步设计了两种模型的变式: 一个用于预测评分,

继续阅读

[leetcode]第七部分

33-Search in Rotated Sorted Array

问题描述

假设一个升序数组在某个我们不知道的轴点被交换了。(例如:[0,1,2,4,5,6,7]变成了[4,5,6,7,0,1,2])。

给定一个待搜索的目标数。如果存在于数组中,则返回其索引,否则返回-1

可以假定数组中没有重复值。

算法的时间复杂度必须限制在

继续阅读