Yo no soy un especialista en sistemas de recomendación, pero por lo que yo entiendo, la premisa de esta pregunta está mal.
De no negatividad no es importante para el filtrado colaborativo.
El premio de Netflix se ganó en 2009 por BellKor equipo. Aquí está el artículo que describe su algoritmo: El BellKor 2008 Solución para el Premio de Netflix. Como es fácil ver, que el uso de un SVD-enfoque basado en:
Los cimientos de nuestro progreso durante el año 2008, se establece en la KDD papel de 2008 [4]. [...] En el documento [4] nos da una descripción detallada de los tres modelos de factores. La primera es una simple enfermedad vesicular porcina [...] El segundo modelo [...] nos referiremos a este modelo como "Asimétrica-enfermedad vesicular porcina". Por último, el más preciso del factor de modelo, para ser nombrado "SVD++" [...]
Véase también la más popular de escritura por el mismo equipo de la factorización de la Matriz técnicas de los sistemas de recomendación. Hablan mucho acerca de la enfermedad vesicular porcina, pero no mencionan NNMF a todos.
Ver también este popular blog de Netflix Actualización: Intente Esto en Casa desde 2006, también explica SVD ideas.
Por supuesto que tienes razón y hay algunos trabajos sobre el uso de NNMF para el filtrado colaborativo así. Así que lo que funciona mejor, SVD o NNMF? No tengo ni idea, pero aquí es la conclusión de Un Estudio Comparativo de Filtrado Colaborativo
Los algoritmos de 2012:
La matriz de la Factorización de los métodos basados, generalmente, tienen la más alta precisión. Específicamente,
regularización de la enfermedad vesicular porcina, PMF y sus variaciones realizar mejor en cuanto a MAE y RMSE,
salvo en muy escasas situaciones, donde NMF realiza el mejor.
