训练用于协同过滤的深度自编码器
机器学习
2017-10-12 v3 机器学习
摘要
本文为推荐系统中的评分预测任务提出了一种新模型，该模型在按时间划分的Netflix数据集上显著优于以往最先进的模型。我们的模型基于具有6层的深度自编码器，并进行端到端训练，无需任何逐层预训练。我们通过实验证明：a) 深度自编码器模型的泛化能力远优于浅层模型，b) 具有负值部分的非线性激活函数对于训练深度模型至关重要，c) 大量使用dropout等正则化技术对于防止过拟合是必要的。我们还提出了一种基于迭代输出再馈送的新训练算法，以克服协同过滤固有的稀疏性问题。该新算法显著加快了训练速度并提高了模型性能。我们的代码可在https://github.com/NVIDIA/DeepRecommender获取。
引用
@article{arxiv.1708.01715,
title = {Training Deep AutoEncoders for Collaborative Filtering},
author = {Oleksii Kuchaiev and Boris Ginsburg},
journal= {arXiv preprint arXiv:1708.01715},
year = {2017}
}
备注
5 pages, 6 figures