矩阵分解核心思想是将原始的交互矩阵分解为两个低秩矩阵的乘积，分别代表用户和物品的潜在特征。通过这种分解，算法可以在用户和物品的潜在特征空间内计算它们之间的相似度，进而预测用户对未知物品的偏好程度。