周涛:利用社交媒体内容信息,为新用户提供位置推荐( 七 )

用户-特征矩阵

地点-特征矩阵

作为输入,把每一个用户、地点和特征都映射到一个联合潜空间(joint latent space)中,因此

任意两个对象在这个joint latent space中的点积就是他们之间的偏好值或者匹配程度

——比如说一个人和一个地点分类特征(如酒店)的点积就表示这个人对酒店这类地点的喜好程度。我们用了一些手段(详见

[9]

)保证关键的学习和优化算法复杂度随着数据规模与特征数量增加都是线性增加的。

 

这种方法不仅效率很高,而且在和若干通用或前沿算法(包括LibFM

[5]

,GRMF

[2]

,LightFM