clustering items and users by latent factors?

By SVD model, we can calculate latent factors for users and items. p(u) is latent factor for u, while q(i) is latent factor for i.

Recently, I thought about calculate user similarity by latent factor,

For example,

s(u,v) = f(p(u), p(v)) ?

I am testing this idea now, and I hope this idea can improve prediction accuracy.

PS.
I have tested this method on the residual of NSVD model. By using this clustering method in estimating group effects, I reduce the RMSE of NSVD model from 0.8923 to 0.8910

聚类在CF中的应用，我的一点看法

最近在研究，如何把一些评分之外的特征加入到CF中，比如context信息。我觉得利用聚类是一个比较好的手段。

假设我们有很多用户的信息，我们可以用这些信息对用户进行聚类，c_u是u所属的聚类。另外如果我们也有很多物品的信息，我们也可以对物品聚类，c_i是i所属的聚类。那么我们可以用如下模型：

r(u,i) = b(u,i) + dot(p(c_u), q(c_i))

其中b(u,i)是一个base预测器，比如可以是一个RSVD预测器。

其实我觉得global effect也是一种聚类。比如根据用户评分数对用户聚类userSupp，等等。

比如我们有电影的导演，演员，我们也可以用这些信息对电影聚类。个人感觉，这种方法是一种不错的利用其它信息的方法。