추천 시스템 : 단일 값 분해를 사용하면 유클리드 거리를 유사성 측정 방법으로 사용할 가능성이 배제됩니까?

Question

나는 추천 시스템에 대해 배우고 다른 유사 알고리즘에 대해 배우고있다. 유클리드 거리는 비교 대상의 스케일이 변함에 따라 변할 것입니다. 이 경우 SVD (Singular Value Decomposition)와 유클리드 거리가 호환되지 않습니까?

단수 값 분해는 행렬 U * S * V의 곱입니다. U와 V는 직교 정규 행렬 (스케일을 변경하지 않음)이지만 S는 고유 값에 의해 대각선으로 스케일됩니다.

여기에 오해가있는 부분을 수정하십시오. 감사!

Answer 1

SVD와 유클리드 거리는 추천 시스템을위한 두 가지 알고리즘입니다. 둘 중 하나만 사용하면됩니다. Cosine Similarity, Pearson Correlation 또는 다른 유사성 측정에 대해서도 마찬가지입니다. 다른 유사성 측정을 요구하지 않는 한, 그 중 하나만 사용합니다.

SVD를 얻은 후에 행렬 USV를 곱하고 결과 행렬의 항목을 예측 값으로 사용합니다. 따라서 사용자가 구매할 특정 항목의 수 (사용자 x 항목 행렬을 기준으로)를 예측하려고 시도하는 경우 행렬의 SVD에서 해당 항목을 간단히 살펴볼 수 있습니다.