Recommender-System
推薦系 統中的矩陣分解：添加新用戶
我通過將矩陣分解為兩個矩陣然後使用梯度下降來最小化誤差來估計用戶項目矩陣中的
P評級Q。現在，如果我想添加一個新用戶，最明顯的解決方案是重新訓練模型。但是，即使步驟很少，這也需要很多時間。奇異值分解允許通過計算輕鬆添加新用戶：
user_k = Sigma^(-1) * Ut * user矩陣分解有類似的東西嗎？可以在不重新計算所有內容的情況下添加新用戶嗎？
由於您的訓練矩陣分解採用梯度下降，我假設您有一些損失函數在哪裡是 Frobenius 範數的平方或類似的東西。
當您添加一個新用戶時（比如說對應於用戶，並且是新用戶的行，所以' 是與級聯) 你的目標變成
如果你的損失可以通過對行求和來計算，. 如果你已經受過訓練使他們最小化那麼你有一個猜測.
如果您想合併新用戶，但不重新計算所有內容，您可以優化和固定或改變。