用户历史行为数据是个性化推荐系统的第一个环节，本章从数据层面对个性化推荐系统的可解释性进行分析和建模。首先介绍稀疏矩阵的双边块对角化与二部图社区发现之间的关系，从而指出稀疏矩阵内在的群组结构；在此基础上，进一步分析双边块对角矩阵的数学分解性质，并提出局部化矩阵分解算法以提高预测精度和并行化效率；然后介绍性能评测结果，并在最后总结本章内容。
