【推薦系統演算法】DPMF(Dependent Probabilistic Matrix Factorization).中篇
阿新 • • 發佈:2019-01-23
Adams, Ryan Prescott, George E. Dahl, and Iain Murray. “Incorporating side information in probabilistic matrix factorization with gaussian processes.” arXiv preprint arXiv:1003.4944 (2010).
上一篇部落格介紹了DPMF方法的概率模型,本篇部落格繼續討論該論文的求解和預測。
優化
歷史比賽的主客場得分
採用MCMC方法,在已知資料的條件下,每次固定其他變數,寫出待求變數的條件概率。根據這個概率(目標分佈)對此變數進行取樣,取樣結果用來更新此變數的取值。
為了明確起見,再次列出各個變數的尺寸。
比賽場次
以下推導中,用all表示全部隱變數,用others表示出當前更新變數外的其他隱變數。以下推導為了書寫簡便,省略了一些上標和下標。
特徵的協方差LU,LV
在原始碼中認為
其中
已知其他變數條件下,
這個概率非常重要,是取樣後面幾個變數都要用到的。
特徵的均值μU,μV
原始碼中認為