【发布时间】：2018-10-26 12:26:33
【问题描述】：
我实际上是在 LIRIS（计算机科学研究实验室）的实习船上，我从事推荐系统方面的工作。我的实习船主管让我做一个关于推荐电影的演讲，感谢 SVD 明天。所以我知道了。
我认为我理解了 A = US(V^T) 的数学部分，但对于下一步（推荐电影），有些事情对我来说并不是很清楚。我发现了很多知识，但我并不清楚：D
我不明白 SVD 是计算矩阵 A 中缺失的数字（预测未对电影评分的用户的评分），还是我们需要一个密集矩阵 A，将其分解为 3 个矩阵来推荐电影？
对于第一种情况，它是如何工作的？因为我什么都没发现... 其次，3个矩阵如何帮助我们推荐电影？我不明白分解矩阵和推荐电影之间的联系。
如果有人可以帮助我，我将非常感激:)
PS : 对不起英语，我是法国学生 :D
【问题讨论】：
-
您可以在网上找到几个相同问题的示例，this one 可能会有所帮助
-
@Signo 感谢您的评论。我已经读过这篇文章，但我会再读一遍 :) 有时我在互联网上发现 SVD 会计算丢失的数字，有时 SVD 会推荐项目......这就是为什么我有点失落;)
标签： recommendation-engine svd recommender-systems