用于Top-N推荐的带浅层并行路径的深度变分自编码器（VASP）
机器学习
2021-02-12 v1 神经与进化计算
摘要
近期提出的EASE算法以一种简单而优雅的方式解决了Top-N推荐任务。在本文中，我们引入Neural EASE，通过结合训练现代神经网络的技术来进一步提升该算法的性能。同时，推荐系统（recsys）社区对利用变分自编码器（VAE）解决该任务兴趣日益增长。我们提出深度自编码器FLVAE，其受益于多个非线性层而无信息瓶颈，同时不会过拟合到恒等映射。我们展示了如何将FLVAE与Neural EASE并行训练，并在MovieLens 20M数据集上取得最先进（state of the art）性能，在Netflix Prize数据集上取得具有竞争力的结果。
引用
@article{arxiv.2102.05774,
title = {Deep Variational Autoencoder with Shallow Parallel Path for Top-N Recommendation (VASP)},
author = {Vojtěch Vančura and Pavel Kordík},
journal= {arXiv preprint arXiv:2102.05774},
year = {2021}
}