神经协同自编码器
机器学习
2018-12-20 v3 信息检索
机器学习
摘要
近年来，深度神经网络在多项任务上取得了最先进的性能。尽管近期一些工作聚焦于将深度学习与推荐系统相结合，我们指出了现有模型的三个问题。首先，这些模型无法同时适用于显式反馈与隐式反馈，因为其网络结构是专为某一特定情形设计的。其次，由于深度神经网络训练困难，现有的显式模型未能充分利用深度学习的表达潜力。第三，在隐式设定下，神经网络模型比浅层模型更容易过拟合。为解决这些问题，我们提出一个称为神经协同自编码器（NCAE）的通用推荐框架来进行协同过滤，该框架在显式反馈和隐式反馈下均表现良好。NCAE 可通过非线性矩阵分解过程有效捕捉交互之间细微的隐藏关系。为优化 NCAE 的深度架构，我们开发了一种结合监督与无监督特征学习的三阶段预训练机制。此外，为防止在隐式设定下过拟合，我们提出了一种误差重加权模块和一种稀疏感知的数据增强策略。在三个真实世界数据集上的大量实验表明，NCAE 能显著推进当前最先进水平。
引用
@article{arxiv.1712.09043,
title = {Neural Collaborative Autoencoder},
author = {Qibing Li and Xiaolin Zheng and Xinyue Wu},
journal= {arXiv preprint arXiv:1712.09043},
year = {2018}
}