推荐系统 DPMF (Dependent Probabilistic Matrix Factorization) 上篇

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).

对于尚未了解“PMF”这一概念的学习者，建议首先查阅这篇基础PMF算法。
而对于“如何通过MCMC方法对后验概率进行积分”这一表述存在疑惑的读者，可参考这篇贝叶斯PMF算法。

在PMF模型中，采用一个关系矩阵Z来表示用户对电影的评分情况。然而，除上述基础数据外，还存在一些额外信息可供利用：例如用户的个人特征、其在网络平台上的行为记录、影片的市场表现以及评分的时间节点等。
再以篮球比赛为例，Z矩阵用于记录各支球队之间的比赛得分情况。而球员的交易动态、伤病状况、比赛地点以及具体比赛时间则被视为额外信息。
该研究在原有PMF模型的基础上引入了这些辅助信息，并将其方法命名为DPMF 。论文作者George Dahl曾师从Hinton。相关的代码与数据资源均可在[可以下载](http://hips.seas.harvard.