추천 시스템은 크게 content-based filtering 과 collaborative filtering으로 나뉨
content-based filtering은 아이템 자체의 information (genre, actors, box office popularity) 과 유저 자체의 demographic information 을 사용하는 것
Collaborative Filtering은 이와 대비해 유저의 행동을 추천에 활용하는 방법론(product score, 거래 이력 등)
collaborative filtering은 또 다시 두 가지 갈래로 나뉨 - Neighborhood method와 latent factor models
pu와 qi는 Unknown, so convex하지 않음
그러나 하나를 고정한다면? 최적화 식은 convex해져 closed form으로 정리 가능
따라서 그 최적화 식을 closed form으로 번갈아 update하여 수렴할 때 까지 학습하면 됨
보통 SGD가 ALS에 비해 쉽고 빠름, 그러나 두 가지 상황에서 ALS가 장점을 가짐
매우 적은 interaction의 유저는 채 cold start problem에 시달림
이를 해결하기 위한 Implicit Feedback (browsing history 등)
N(u)는 Implicitly preffered data이고, xi는 그 잠재 벡터에 해당
Normalizing 하는 것이 유용