基于自编码器的混合推荐系统
机器学习
2018-01-01 v3 信息检索
摘要
推荐系统的一个标准模型是矩阵补全设定：给定用户（行）对物品（列）的部分已知评分矩阵，推断未知评分。在过去几十年中，利用神经网络处理该目标的研究尝试较少，但最近一种基于自编码器的架构被证明是一种有前景的方法。在本文中，我们对该架构进行了增强：(i) 采用了一种适应于含有缺失值输入数据的损失函数，(ii) 融入了辅助信息。实验表明，虽然辅助信息对所有用户/物品的平均测试误差仅有轻微改善，但对冷启动用户/物品的影响更为显著。
引用
@article{arxiv.1606.07659,
title = {Hybrid Recommender System based on Autoencoders},
author = {Florian Strub and Romaric Gaudel and Jérémie Mary},
journal= {arXiv preprint arXiv:1606.07659},
year = {2018}
}
备注
arXiv admin note: substantial text overlap with arXiv:1603.00806