Matrix 推荐中矩阵分解的全局最小值和迭代时间_Matrix_Factorization

Matrix 推荐中矩阵分解的全局最小值和迭代时间

matrix

Matrix 推荐中矩阵分解的全局最小值和迭代时间,matrix,factorization,Matrix,Factorization,我正在尝试一篇实验论文“推荐的信任传播矩阵分解技术…” 这里有两个问题：梯度下降实现局部极小。如何找到全球？如果学习率>0.1或abs（初始U/V）>1，我的测试通常会忽略收敛在Epinions测试中，纸张报告每次迭代花费2.8秒（使用PC），但它花费了我几个小时对于论文第4.2节复杂度的粗略计算，假设N=50k，M=200K，K=5，平均r=t=10，梯度计算为O（2.5x10^8），L的评估为O（5x10^6）。如何获得2.8秒

我正在尝试一篇实验论文“推荐的信任传播矩阵分解技术…”

这里有两个问题：

梯度下降实现局部极小。如何找到全球？如果学习率>0.1或abs（初始U/V）>1，我的测试通常会忽略收敛

在Epinions测试中，纸张报告每次迭代花费2.8秒（使用PC），但它花费了我几个小时

对于论文第4.2节复杂度的粗略计算，假设N=50k，M=200K，K=5，平均r=t=10，梯度计算为O（2.5x10^8），L的评估为O（5x10^6）。如何获得2.8秒