基于自编码器的混合协同过滤
信息检索
2016-07-20 v3 人工智能
神经与进化计算
摘要
协同过滤旨在利用用户反馈提供个性化推荐。此类算法在大型稀疏评分矩阵中寻找潜变量。可通过加入辅助信息来解决著名的冷启动问题。尽管神经网络在图像和语音识别中取得巨大成功，但在协同过滤中受到的关注较少。考虑到神经网络能够发现大型异构数据集中的潜变量，这愈发令人惊讶。本文中，我们引入一种称为CFN的协同过滤神经网络架构，它从稀疏评分输入和辅助信息计算非线性矩阵分解。我们在MovieLens和Douban数据集上的实验表明，CFN优于当前最优方法并从辅助信息中获益。我们提供了该算法的实现，作为流行神经网络框架Torch的可重用插件。
引用
@article{arxiv.1603.00806,
title = {Hybrid Collaborative Filtering with Autoencoders},
author = {Florian Strub and Jeremie Mary and Romaric Gaudel},
journal= {arXiv preprint arXiv:1603.00806},
year = {2016}
}