推荐系统学习笔记-NeuralCF算法

最新推荐文章于 2024-07-19 09:44:03 发布
最新推荐文章于 2024-07-19 09:44:03 发布
阅读量284 收藏
点赞数 1
分类专栏： 推荐系统学习笔记 kaggle 神经网络 文章标签： 学习 python 人工智能 推荐算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/CSDNXXCQ/article/details/128365007
版权
本文介绍了NeuralCF模型，它是传统协同过滤的升级，通过神经网络增强用户和物品向量的交互，引入非线性提高模型复杂度和泛化能力。模型结构包括多层神经网络和混合GMF+MLP版本。核心内容涉及预测函数、损失函数以及其作为回归问题的视角。
摘要由CSDN通过智能技术生成

由来

Neural CF模型是从传统的协同过滤方法(MF)的基础上进行的改进， 把MF里面用户向量和物品向量的点积操作换成了多层的神经网络， 使得两个向量可以做更充分的交叉， 得到更多有价值的特征组合信息， 另外就是神经网络的激活函数可以引入更多的非线性， 让模型的表达能力更强，使得模型的泛化能力进一步提高

在这里插入图片描述

模型结构

在这里插入图片描述

预测函数表达

在这里插入图片描述
在这里插入图片描述

损失函数表达

在这里插入图片描述
将之看成一个回归问题，有
在这里插入图片描述
进一步改进，混合模型的版本:GMF+MLP
在这里插入图片描述

丰。。
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【推荐系统】wide&deep模型、NeuralCF模型 笔记
m0_51933492的博客
09-16 628
Deep：DNN模型，提高模型的泛化能力。Wide：简单的广义线性模型，其特征组合需要人去设计，依赖人工特征工程。注重模型的记忆能力。
遗传算法学习笔记 -DEAP库学习笔记
06-12
DEAP库学习笔记
推荐算法学习笔记2.1:基于深度学习的推荐算法-基于共线矩阵的深度推荐算法-NeuralCF模型
YmgmY的博客
06-29 683
秋招向：NeuralCF模型总结，附录交叉熵的推导过程
推荐系统算法初探：新手学习笔记
最新发布
千里之行始于足下
07-19 837
本文简单介绍了推荐系统的基本框架，详细讲解了召回环节的多路召回策略和个性化召回方法，如基于内容的协同过滤和基于模型的协同过滤。同时，文章还介绍了排序环节的特征工程和点击预估模型，包括传统机器学习和深度学习模型。最后，文章预告了后续将深入讲解的推荐模型和应用实践。
读深度学习推荐系统（王喆）- 学习笔记
asdasdkhs的博客
02-29 642
之前字节leader的前同事写的书，看了不下3遍，让我对推荐系统有更系统性的认识，不得不说，大佬真牛。
《深度学习推荐系统》笔记
记录学习历程
07-14 3750
图中的隐层表达（Hidden Representation层）就是对不同Embedding进行加权平均操作的层，将加权平均后的Embedding向量输入softmax层，通过梯度反向传播，求得每个Embedding的权重。
推荐系统（Recommender System）笔记 01：推荐系统的演化
MYJace的博客
08-24 2135
推荐系统（Recommender System）01推荐系统的架构数据部分模型部分传统推荐模型协同推荐（Collaborative Filtering）矩阵分解（Matrix Factorization）逻辑回归（Logistic Regression）自动特征交叉的解决方案POLY2 模型 - 特征交叉的开始FM 模型 - 隐向量特征交叉FFM 模型 - 引入特征域* 从 POLY2 到 FFM 的演化过程GBDT + LR - 特征工程模型化GBDT 模型LS-PLM - 阿里曾经的主流推荐模型深度学习
【推荐算法】深度学习推荐算法综述 Deep Learning based Recommender System: A Survey and New Perspectives
qq_36643449的博客
01-12 6895
深度学习推荐算法综述 推荐算法综述 MLP CNN RNN 推荐算法论文 深度学习
【RecSys】推荐系统和计算广告经典算法论文及实现总结
stay hungry, stay foolish
04-27 2318
推荐系统和计算广告经典算法论文及实现总结
《深度学习推荐系统》笔记（2）
Mochayz的博客
07-09 786
《深度学习推荐系统》第3章笔记
统计学习方法笔记-基于Python算法实现源码.zip
06-01
统计学习方法笔记-基于Python算法实现。统计学习方法笔记-基于Python算法实现 所有代码均可直接运行。统计学习方法笔记-基于Python算法实现。统计学习方法笔记-基于Python算法实现 所有代码均可直接运行。统计学习...
云的学习笔记-云的学习笔记系统-云的学习笔记系统源码-云的学习笔记管理系统-基于ssm的云的学习笔记系统-ssm-java代码
04-16
云的学习笔记-云的学习笔记系统-云的学习笔记系统源码-云的学习笔记管理系统-云的学习笔记管理系统java代码-云的学习笔记系统设计与实现-基于ssm的云的学习笔记系统-基于Web的云的学习笔记系统设计与实现-云的学习...
深度学习神经网络学习笔记-自然语言处理方向-论文研读-情感分析/文本分类-word2evc-基于向量空间中词表示的有效估计
CSDNXXCQ的博客
08-10 7692
word2evc-基于向量空间中词表示的有效估计目录概念引入摘要大意介绍词的表示方式评价指标词向量训练方式研究成果 概念引入 逻辑回归 线性回归 时间序列分析 神经网络 self-attention与softmax的推导 语言模型 语言模型（language model, LM）在自然语言处理中占有重要的地位，尤其在基于统计模型的语音识别、机器翻译、汉语自动分词和句法分析等相关研究中得到了广泛应用。 概率P：语言模型是计算一个句子是是句子的概率。 比如，对ni hao的判定 你好 P = 0.8 腻浩
深度学习神经网络学习笔记-自然语言处理方向-论文研读-情感分析/文本分类-glove-Global Vectors for Word Representation
CSDNXXCQ的博客
08-11 7005
概念引入 逻辑回归 线性回归 时间序列分析 神经网络 self-attention与softmax的推导 word2evc 该篇论文的背景 word2evc提出的方法无法使用全局的统计信息 矩阵分解方法在词对推理的任务上表现很差 模型效果对比 在词对推理的数据集上取得了良好的效果(图中模型中地最好结果) ...
深度学习神经网络学习笔记-自然语言处理方向-论文研读-情感分析/文本分类-char_embedding
CSDNXXCQ的博客
08-12 6937
本文目录概念引入由来摘要大意C2W模型语言模型的训练流程词性标注模型研究成果 概念引入 逻辑回归 线性回归 时间序列分析 神经网络 self-attention与softmax的推导 word2evc 由来 词向量的学习在自然语言处理的应用中非常重要，词向量可以在空间上捕获词之间的语法和语义相似性。但是词向量机制中是假设词和词之间是独立的，这种独立性假设是有问题的，形式的一致性会导致功能的一致性。但这种形态和功能之间的关系有不是绝对的，为了学习这种关系，本文在字符嵌入上使用双向LSTM来捕捉这种关系。 本文
对抗生成神经网络-GAN通俗理解
CSDNXXCQ的博客
08-03 5816
对抗生成神经网络-GAN通俗理解概念引入对抗生成神经网络效果的演变由来简介生成模型判别器工作原理损失函数--交叉熵损失函数(BCE)拓展-DCGAN网络架构 概念引入 超分辨率重构 图像超分辨率重构(super resolution,SR)是指利用计算机将一幅低分辨率图像(low resolution,LR)或图像序列进行处理，恢复出高分辨率图像(high resolution，HR)的一种图像处理技术。HR意味着图像具有高像素密度，可以提供更多的细节，这些细节往往在应用中起到关键作用 。 原理：让计算机同
马尔可夫决策过程-强化学习学习笔记(二)
CSDNXXCQ的博客
01-19 3705
概念引入 强化学习的通俗理解 马尔可夫的通俗介绍 简介 马尔可夫决策过程 (Markov Decision Processes, MDPs)是对强化学习问题的数学描述. 马尔可夫决策过程（Markov Decision Process, MDP）是序贯决策（sequential decision）的数学模型，用于在系统状态具有马尔可夫性质的环境中模拟智能体可实现的随机性策略与回报 。MDP的得名来自于俄国数学家安德雷·马尔可夫（Андрей Андреевич Марков），以纪念其为马尔可夫链所做的研
神经网络基础-神经网络补充概念-51-局部最优问题
CSDNXXCQ的博客
08-17 2200
局部最优问题是在优化问题中常见的一个挑战，特别是在高维、非凸、非线性问题中。局部最优问题指的是算法在优化过程中陷入了一个局部最小值点，而不是全局最小值点。这会导致优化算法在某个局部区域停止，而无法找到更好的解。参数初始化策略：采用合适的参数初始化策略，如Xavier初始化、He初始化等，可以帮助降低陷入局部最优的风险。随机初始化：通过多次随机初始化模型参数，运行优化算法多次，以期望能够找到更好的初始点，从而避免陷入局部最优。多初始点策略：使用多个不同的初始点，运行优化算法多次，以期望找到更好的全局最优解。
《算法导论》学习笔记-基础与分析
"《算法导论》学习笔记，包含了作者Hannosogno@BIT2011在学习算法过程中的重要概念、伪代码规范以及算法分析和分治策略的介绍。" 这篇学习笔记详细介绍了《算法导论》的基础知识，涵盖了算法的基本定义和重要性，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

丰。。

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值