推荐系统中隐语义模型 ：http://blog.csdn.net/ariessurfer/article/details/43484323
项亮的博士论文：http://vdisk.weibo.com/s/KCCWk
项亮的书《推荐系统实践》
推荐系统相关概念简单讲解：http://www.cnblogs.com/8clock/articles/3095926.html
腾讯的语义分析系统：https://zhuanlan.zhihu.com/p/20183518?refer=cxwangyi 论文：http://dl.acm.org/citation.cfm?id=2700497
LDA和Gibbs Sampling：https://zhuanlan.zhihu.com/p/19901990?refer=cxwangyi
http://blog.csdn.net/ariessurfer/article/details/43484323
用矩阵乘法间接预测用户对Item的兴趣（前提：知道item所属类别（属于该类别的概率），及用户对类别的兴趣或评分，两者相乘得到用户对item的兴趣）
这似乎与矩阵分解正好相反，是否是一种可行的思路？了解一下矩阵分解在推荐中的应用原理。
那么矩阵乘法的关键是对item分类，如何分类？用语义分析（而不是人为归类，语义分析更加精细[即分类粒度更小]，例如动作片电影根据其故事主题可能还包括爱情成分，但不完全所以爱情片），分析item的类别。
结合文章Latent Semantic Models for Collaborative Filtering by THOMAS HOFMANN了解隐语义分析。