Neural Collaborative Filtering      

最新推荐文章于 2024-04-19 09:56:00 发布
最新推荐文章于 2024-04-19 09:56:00 发布
阅读量368 收藏
点赞数
分类专栏： Recommendation System
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/ChristineC_/article/details/104459598
版权

时间：2017.08.26

作者：Xiangnan He, Lizi Liao, Hanwang Zhang, Liqiang Nie, Xia Hu, Tat-Sent Chua

Abstract

以往deep learning模型只用在content information上，比如描述商品的文字、音乐、图片，对于用户、物品的交互信息，用的还是MF（隐向量之间的点乘）来学习。而NCF在implicit feedback数据上使用DNN来学习user-item relations。

 

Model Structure

文中Input Layer只用了userID和itemID，可以加入content information来帮助冷启动。Input Layer到Embedding Layer的映射使用的是FC Layer。Neural CF Layers学习user-item之间的非线性关系。

文中使用的是pointwise loss，

，y^-表示的是负样本，可以使用全部的负样本，也可以随机抽取部分作为负样本

也可以使用pairwise loss（eg. Bayesian Personalized Ranking, margin-based loss）来训练。

因为y \in [0,1]，使用sigmoid作为output layer的activation function

Generalized Matrix Factorization(GMF)

 

Multi-Layer Perceptron(MLP)

 

Fusion of GMF and MLP

GMF和MLP的embedding不共享，并且都各自pre-train直到收敛，

 

Reference

https://zhuanlan.zhihu.com/p/37400021

ChristineC_
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Neural Collaborative Filtering
Dive的博客
01-06 1595
目录2 PRELIMINARIES3. NEURAL COLLABORATIVE FILTERING3.1 通用框架3.2 广义矩阵分解(GMF)3.3 MLP3.4 GMF和MLP的聚合—NeuMF4 EXPERIMENTSQ1 NCF的效果比其他SOTA的隐式CF好吗？Q2 带有负采样的log loss（这个优化框架）是否适用于RS？Q3 更深的网络对于从交互数据中学习 有帮助吗？ 核心：内积的局限性，用神经结构代替内积。实验表明，使用更深层次的神经网络提供了更好的推荐性能。 2 PRELIMINAR
NCF框架：Neural Collaborative Filtering
最新发布
Guozyan的博客
04-23 597
1.数据集：MovieLens和Pinterest2.评价指标：选取留一评价法。排名列表的性能使用命中率HR和归一化折现累积增益NDCG判断。TOP103.基线：ItemPop,ItemKNN,BPR,eALS4.结果：对于排名列表，NeuMF展现了比上述所有算法都优秀的表现；对于推荐结果，NeuMF也有略有优势；对于预训练部分，做了有和没有预训练的实验结果，有预训练的实验结果在大部分情况下效果优于不做预训练的情况；对于损失函数，NeuMF的损失最小，HR等也比较优于其他模型；
论文《Neural Collaborative Filtering》阅读
xingzhe123456789000的博客
08-18 944
论文《Neural Collaborative Filtering》阅读论文概况论文亮点 论文概况 论文《Neural Collaborative Filtering》是由新加坡国立大学何向南教授完成的一篇关于基于神经网络方法的推荐系统论文，发表在WWW 2017上，CCF A。 论文地址：NeuMF 数据集：MovieLens、Pinterest 代码地址：NeuMF 论文亮点 这篇文章使用神经网络（NN, Neural Network）方法完成了推荐系统中的协同过滤，不同于其他算法中使用神经网络提取辅助
Neural Collaborative Filtering.pdf
11-29
论文《Neural Collaborative Filtering》原文，其中有NAIS模型实验中使用的两个数据集详细描述
神经协同过滤Neural Collaborative Filtering(NCF)
Super_cute_的博客
08-17 2274
Neural Collaborative Filtering简述矩阵分解（MF）NCF1.GMF 广义矩阵分解2.MLP（多层感知机）3.NeuMF实验 简述 这篇论文是何向南博士所写 论文地址：http://www.comp.nus.edu.sg/~xiangnan/papers/ncf.pdf 翻译链接：https://www.cnblogs.com/HolyShine/p/6728999.html 本文主要讨论隐式反馈协同过滤。先说明了传统MF方法的局限性，然后提出了一种通用框架NCF并提出了三种实现
【翻译】Neural Collaborative Filtering--神经协同过滤
weixin_30505225的博客
04-22 1973
【说明】 　　本文翻译自新加坡国立大学何向南博士 et al.发布在《World Wide Web》（2017）上的一篇论文《Neural Collaborative Filtering》。本人英语水平一般+学术知识匮乏+语文水平拙劣，翻译权当进一步理解论文和提高专业英语水平，translate不到key point还请见谅。 何博士的主页：http://www.comp.nus.edu.sg...
Neural Collaborative Filtering神经协同过滤1
08-03
Neural Collaborative Filtering神经协同过滤 Neural Collaborative Filtering（NCF）是一种基于神经网络的协同过滤算法，旨在解决推荐系统中的关键问题，即协同过滤问题。传统的协同过滤算法主要基于矩阵分解和内...
推荐系统Neural Collaborative Filtering神经协同过滤
04-12
Neural Collaborative Filtering这篇论文的Neural matrix factorization模型，模型的参数可以自行调整。
蔡氏电路matlab仿真代码-Neural-Collaborative-Filtering:硬2.1.4/张量流1.7.0
05-26
蔡氏电路matlab仿真...Neural-Collaborative-Filtering Xiangnan He, Lizi Liao, Hanwang Zhang, Liqiang Nie, Xia Hu and Tat-Seng Chua (2017). In Proceedings of WWW '17, Perth, Australia, April 03-07, 2017.
论文阅读：Neural Graph Collaborative Filtering
aaHua_
07-28 469
Neural Graph Collaborative Filtering
论文研究-一种基于Sigmoid函数的改进协同过滤推荐算法.pdf
07-22
随着电子商务和社交网络的蓬勃发展, 推荐系统逐渐成为数据挖掘领域的重要研究方向。推荐系统能够从海量信息中定位用户兴趣点, 提供个性化服务。协同过滤算法能够有效分析用户偏好, 提供合适的推荐服务。针对评分矩阵稀疏时传统协同过滤算法性能很差的问题, 提出一种基于Sigmoid函数的改进推荐系统算法。利用Sigmoid函数对不同项目进行建模, 得到项目的平均受欢迎程度; 利用Sigmoid函数对不同用户进行建模, 将评分映射为用户对项目的喜好程度; 根据用户对项目喜好程度应该与项目平均受欢迎程度贴近的原则进行评分预测。在两组真实数据集合上的实验结果表明, 该算法较好地解决了数据稀疏性问题, 能够有效提高传统算法的预测准确性。
探索Neural Collaborative Filtering：深度学习驱动的推荐系统新境界
gitblog_00074的博客
04-19 390
探索Neural Collaborative Filtering：深度学习驱动的推荐系统新境界 项目地址:https://gitcode.com/yihong-chen/neural-collaborative-filtering 在这个信息爆炸的时代，个性化推荐已经成为我们日常生活中不可或缺的一部分。Neural Collaborative Filtering 是一个基于深度学习的开源项目，旨在...
基于深度学习的推荐(一)：神经协同过滤NCF
热门推荐
天行健，君子以自强不息
08-10 1万+
文章目录写在前面1. NCF 原理1.1 GMF模型1.2 MLP1.3 NeuMF2. 几个重点2.1 显性反馈和隐性反馈2.2 逐点损失和成对损失2.2 正例和负例的选择2.3 训练集和测试集的划分2.4 预训练机制3. LFM和NCF的区别3.1 概述3.2 相同点3.3 不同点3.3.1 建模思想3.3.2 求解结果3.3.3 泛化能力3.3.4 实现方法3.3.5 学习能力4. 大家一起...
协同过滤的改进思路（论文向）
qq_44743835的博客
11-30 2678
文章目录
推荐系统——Neural Collaborative Filtering(NMF)
qq_37668436的博客
03-08 1541
推荐系统，nmf结构
Hexiangnan博士 neural_collaborative_filtering 论文源码详细注解、基于新版本keras的修改
forevermoonlight的博客
02-21 2437
文章目录一、致谢二、算法模型三、源码分析3.1 源码结构3.2 数据集读写Dataset.py3.3 评价功能evaluate.py3.4 模型构建以及训练3.5 本文提出的最优算法模型构建过程4. 对于源码版本兼容性对应的问题5. 关于相似思路的启发 一、致谢 最近打算研究推荐系统，第一篇阅读的就是实验室推荐的《Neural Collaborative Filtering》，何向南博士的论文。下...
Collaborative and One-Class Collaborate Filtering的概念以及区别
an2160的博客
09-21 574
　　在经典的推荐算法中，协同过滤推荐应该是占有很重要的一部分，在论文“One-Class Collaborative Filtering“（链接：https://pdfs.semanticscholar.org/7d54/15874e0f8b8f9eda49187a9030ce6bca41b1.pdf）”介绍到协同推荐(Collaborate filtering)为：The collab...
相当全面：推荐系统干货总结
fengdu78的博客
04-14 507
文章来源于机器学习与推荐算法，作者张小磊前言推荐系统是一个相当火热的研究方向，在工业界和学术界都得到了大家的广泛关注。希望通过此文，总结一些关于推荐系统领域相关的会议、知名学者，以及做...
neural collaborative filtering
03-16
神经协同过滤（Neural Collaborative Filtering）是一种基于神经网络的协同过滤推荐算法，能够利用用户历史行为和物品信息来预测用户对未知物品的评分或喜好程度。与传统的协同过滤算法不同，神经协同过滤引入了神经...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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