推荐系统（2）—LFM（Latent Factor Model）模型
推荐系统学习笔记之三 LFM (Latent Factor Model) 隐因子模型 + SVD (singular value decomposition) 奇异值分解
虽然我们从矩阵A中只看到了每个用户对每个商品的评价，但是我们可以认为这个评价值是用户对商品的属性值的偏爱程度与每个商品在这些属性上的表现综合结果，这里的属性就是我们所说的隐变量。基于这样的思想，我们可以将矩阵A分解成为“商品—商品属性”的评价矩阵与“商品属性—客户喜好”矩阵的乘积。
