请问一下，对于协同过滤，文章分别在每个种类的匹配分数以及用户对每个种类的文章的喜爱程度理论上是可以同时去被机器学习优化的，那么是不是只需要拍脑袋订一个文章种类的个数，比如我们假设是有50个种类，接着就可以开始对不断产生的用户行为数据进行在线学习了？

也就是每篇文章50个变量，每个人50个变量，随机初始化一些值，然后就可以开始用梯度下降法来不断根据用户行为在线学习了？

对于最终的结果也不会需要去理解这50个种类到底是什么意思……
--
FROM 223.104.212.*