推荐算法MFLogLoss

根据已有的用户对item的评分， 来推荐下一个时间用户可能喜欢的items。

只保存用户对item的评分为4 或者 5 的， 将这一类统一设置为1 ， 其他所有的评分为1 2 3的或者unobserved全部设置为-1

利用两个矩阵， 用户embedding矩阵 U， 物品embedding矩阵V， 预测的规则是：

b i b_i bi​表示items的bias ， 值越高表示物品越受欢迎.
b u b_u bu​表示用户的bias

其中：

P是正样本(评过分的（user , item）pairs)
A是负样本(未评过分的（user , item）pairs)
实现时负采样样本数是正样本的3倍

相较于之前的推荐算法， 这里提出了一个新的损失函数，其他并无其他不同

之后进行梯度下降更新即可，评估指标Pre@5 ， Rec@5