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,
,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,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,