1、传统的SVD分解: 两个缺点:首先评分矩阵一般是很稀疏的,也有很多缺失值,如果用一些方法补上了缺失值之后,矩阵就会变得稠密,但是会需要特别大的存储空间,在实际系统中不太实用。其次,运算起来也会非常的慢。所以在一般推荐系统中都不会用SVD,但是一些小的数据集上面可以考虑 2、LFM(latent factor model) 从矩阵...