成型机中的负潜因子

Question

我正在研究一个基于分解机器算法的推荐系统的具体实现。

对于每一个person_id和item_id组合，我的隐式评分为1或0，取决于用户是否下载了内容。

在基本模型中，我刚刚使用了person_id和item_id作为输入变量。

我选择了一个等于5的潜在因子数。

在模型输出中，与某些person_id和item_id相关的5个潜在因素中的一些是负的，而对person_id/item_id组合的一些评级也是负值的。

我寻找了一些理论上的解释，但没有找到太多的材料，所以我来到这里。

1. 在这种情况下，如何解释消极的潜在因素？
2. 由于提供了目标变量等于1或0的训练数据集，模型如何以内隐评分的负面预测结束？

非常感谢你的暗示和表现。

Answer 1

在挖掘了许多与非负矩阵分解相关的概念后发现，如果适当的设置，FM算法就会产生非负因子(进而预测)。这里有许多有用的材料：

• https://en.wikipedia.org/wiki/Non-negative_矩阵_因式分解
• https://towardsdatascience.com/parts-based-learning-by-non-negative-matrix-factorisation-1279ffd29618