算法"/>
深度协同过滤算法
写在前面
- 论文:Neural Collaborative Filtering
- 原文:.cfm?id=3052569
- 代码:
- 论文作者主页:/
协同过滤算法作为推荐中应用最为广泛的算法,一直是研究的热门领域。随着近些年深度学习的崛起,很多学者开始尝试用深度学习中的技术优化协同过滤,但是大多数都是利用深度学习建模提供一些辅助信息,比如项目的文本描述或者音乐的声学特征。这篇论文提出了一个采用多层感知器来学习user与item的交互的通用框架NCF,它可以取代传统用矩阵分解求内积建模的方法。
这篇论文是新加坡国立大学的何向南博士在IW3C2 2017上的工作成果。何博士的论文一般都公布代码,非常适合学习。
相关工作
传统的协同过滤算法是基于矩阵分解(Matrix Factorization)的方法,它的基本思想是把用户和项目映射在一个shared latent space中,然后通过latent features来描述用户和项目。那么用户在项目上的交互就被建模为他们向量之间的内积。这种方法非常普遍,包括在Spark MLlib中的ALS协同过滤算法在内的主流算法均是使用的这个思想。很
更多推荐
深度协同过滤算法
发布评论