LibMF推薦系統(tǒng)

LIBMF 是在潛在空間使用兩個(gè)矩陣，接近一個(gè)不完全矩陣。Matrix Factorization 主要用在協(xié)作過(guò)濾，LibMF 主要特性如下：

• 除了潛在用戶(hù)和項(xiàng)特性，還包括了用戶(hù)偏好，項(xiàng)偏差和平均條件

• LIBMF 可以在一個(gè)多核機(jī)器上并行執(zhí)行
  

LibMF的作者是大名鼎鼎的臺(tái)灣國(guó)立大學(xué)，他們?cè)跈C(jī)器學(xué)習(xí)領(lǐng)域享有盛名，近年連續(xù)多屆KDD Cup競(jìng)賽上均獲得優(yōu)異成績(jī)，并曾連續(xù)多年獲得冠軍。臺(tái)灣大學(xué)的風(fēng)格非常務(wù)實(shí)，業(yè)界常用的LibSVM， Liblinear等都是他們開(kāi)發(fā)的，開(kāi)源代碼的效率和質(zhì)量都非常高

LibMF在矩陣分解的并行化方面作出了很好的貢獻(xiàn)，針對(duì)SDG優(yōu)化方法在并行計(jì)算中存在的locking problem和memory discontinuity問(wèn)題，提出了一種矩陣分解的高效算法，根據(jù)計(jì)算節(jié)點(diǎn)的個(gè)數(shù)來(lái)劃分評(píng)分矩陣block，并分配計(jì)算節(jié)點(diǎn)。系統(tǒng)介紹可以見(jiàn)這篇論文 （Recsys 2013的 Best paper Award）

Y. Zhuang, W.-S. Chin, Y.-C. Juan, and C.-J. Lin. A Fast Parallel SGD for Matrix Factorization in Shared Memory Systems. Proceedings of ACM Recommender Systems 2013.