NCF框架：Neural Collaborative Filtering

已于 2024-04-29 16:51:18 修改
阅读量702 收藏 26
点赞数 24
分类专栏： 文献笔记 文章标签： 笔记 推荐算法
于 2024-04-23 10:17:28 首次发布
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/Guozyan/article/details/138078740
版权
NCF（Neural Collaborative Filtering）是一种使用神经网络改进协同过滤的框架，旨在解决隐式反馈的推荐问题。通过将矩阵分解的内积替换为可学习的神经架构，NCF能更好地捕捉用户-项目的交互。模型包括GMF（广义矩阵分解）和MLP（多层感知机），并在NeuMF中融合两者以结合线性和非线性建模。实验表明，NCF在电影和Pinterest数据集上的表现优于传统推荐算法。
摘要由CSDN通过智能技术生成

Neural Collaborative Filtering

WWW-Xiangnan He, Lizi Liao,Hanwang Zhang,Liqiang Nie,Xia Hu, Tat-Seng Chua-2017

思路

  1. 基于神经网络技术以解决推荐中的关键问题：基于隐式反馈的协同过滤；
  2. 最初的神经网络应用在对辅助信息的建模中，对CF的关键因素即用户与项目的交互进行建模时仍然采用矩阵分解，并对用户和项目的潜在特征应用内积；
  3. 通过将内积替换为可以从数据中学习任意函数的神经架构，提出NCF，即基于神经网络的协同过滤；
  4. NCF是通用的，可以在此框架下表示和推广矩阵分解。为增强NCF的非线性建模，使用MLP来学习用户-项目的交互函数。

准备工作

一、从隐式数据中学习：
在这里插入图片描述
这里要注意的是，1并不意味着u喜欢i，0也不意味着u不喜欢i，可能只是没看到这个i；所以这样的定义缺乏负面反馈。在这里插入图片描述
预测Y中交互的函数如上定义，⚪表示模型参数，f就是交互函数。
估计⚪参数时，通常遵循优化目标函数的机器学习范例：一种是逐点损失，一种是成对损失。

最低0.47元/天 解锁文章
神经协同过滤Neural Collaborative Filtering(NCF)
Super_cute_的博客
08-17 2498
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
Neural Collaborative Filtering
Dive的博客
01-06 1769
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
Neural Collaborative Filtering      
ChristineC_的博客
02-24 409
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im...
基于神经协同过滤（Neural Collaborative Filtering，NCF）的算法
最新发布
机器学习，深度学习
10-14 354
今天我要分享一篇关于深度学习在推荐系统中应用的经典论文，题为“基于神经协同过滤（Neural Collaborative Filtering，NCF）的算法”。该论文于2017年在 ACM SIGIR 会议上发表，老样子，还是按照论文的章节进行详细解读，详细内容，看下面。
【翻译】Neural Collaborative Filtering--神经协同过滤
weixin_30505225的博客
04-22 2042
【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（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积操作，但是这些方法存在一定的限制，例如无法...
论文笔记：Neural Collaborative Filtering
qq_35771020的博客
05-06 3210
一、基本信息 论文题目：《Neural Collaborative Filtering》 发表时间：WWW 2017 作者及单位： 二、摘要 In recent years, deep neural networks have yielded immense success on speech recognition, computer vision and natural l...
Neural Collaborative Filtering.pdf
11-29
在这样的背景下，《Neural Collaborative Filtering》这篇论文提出了一个基于神经网络的协同过滤框架，简称为NCF。NCF旨在解决传统基于矩阵分解的方法主要依赖于用户和物品隐特征的内积来预测交互，但内积操作并不能...
Neural Collaborative Filtering--神经协同过滤
derder的博客
08-16 370
Neural Collaborative Filtering--神经协同过滤1 摘要这项工作的主要贡献如下2 准备工作2.1 学习隐性数据2.2矩阵分解3. 神经协同过滤3.1 通用框架3.1.1 NCF学习3.2 广义矩阵分解3.3 多层感知机（MLP）3.4 结合GMF和MLP3.5 预训练4. 实验4.1 实验设置4.2 性能比较(RQ1)4.2.1 预训练的作用4.3 对消极采样使用Log Loss(RQ2)4.4 Is Deep Learning Helpful? (RQ3) 1 摘要 近年来，深
【论文阅读】Neural Collaborative filtering
欢迎来到小丁的技术空间
05-14 1078
Neural Collaborative filtering(WWW 2017) 何向南，主页 http://staff.ustc.edu.cn/~hexn/ GitHub：https://github.com/hexiangnan/neural_collaborative_filtering
【推荐系统论文精读系列】(五)--Neural Collaborative Filtering
CSDN 精品推荐
11-14 1562
文章目录Neural Collaborative Filtering一、摘要二、介绍三、准备知识3.1 从隐式数据中进行学习3.2 矩阵分解四、神经协同过滤4.1 总体框架4.1.1 学习NCF4.2 广义矩阵分解（GMF）4.3 多层感知机（MLP）4.4 GMF与MLP的融合4.4.1 预训练REFERENCES Neural Collaborative Filtering 一、摘要 近年来，深度神经网络在语音识别、计算机视觉和自然语言处理方面取得了巨大的成功。然而，深度神经网络在推荐系统上的探索相对较
NCF(Neural Collaborative Filtering)——协同过滤与神经网络的结合
很吵请安静
06-13 2605
Neural Collaborative Filtering paper 关于协同过滤 协同过滤简而言之就是物以类聚人以群分，在真实场景中，通常会获得一张用户物品交互表，其实就是一个矩阵M，M[i][j]=1M[i][j]=1M[i][j]=1则表示用户iii购买了物品jjj，=0=0=0表示没有购买。主要分为以下两种： user-based协同过滤 ...
推荐系统——Neural collaborative filtering
manduner的博客
07-18 1621
论文描述： *矩阵分解模型是目前最为流行的一种协同过滤方法，通过用户潜在特征和商品潜在特征的内积重构用户-商品交互矩阵中的未知项，模型简单、易扩展且灵活。但是取得的推荐性能较低。基于矩阵分解的改进方法有，将矩阵分解模型与基于内容的模型相结合，形成混合模型；将辅助信息整合到矩阵分解模型中等。由于深度学习强大的表示学习能力，一些研究开始将深度学习的方法与传统的矩阵分解模型相结合，以提高推荐系统的性能...
论文笔记：Neural Graph Collaborative Filtering
qq_44015059的博客
07-20 1298
前言 论文链接：https://arxiv.org/abs/1905.08108 github：https://github.com/talkingwallace/NGCF-pytorch 参考：https://www.jianshu.com/p/16c8973ef8ff https://zhuanlan.zhihu.com/p/110682271 https://blog.csdn.net/weixin_37913042/article/details/99712729 CF方法： 协同过滤学习模型从项
Neural Collaborative Filtering【论文记录】
Novelin的博客
12-03 263
把用户和物品的 Embedding 视为隐向量 输入到神经网络 GMF 是线性模型和 MLP 非线性模型结合
论文笔记 : NCF( Neural Collaborative Filtering)
diaoqi6581的博客
08-29 727
ABSTRACT 　　主要点为用MLP来替换传统CF算法中的内积操作来表示用户和物品之间的交互关系. INTRODUCTION 　　NeuCF设计了一个基于神经网络结构的CF模型.文章使用的数据为隐式数据,想较于显性数据,implicit feedback更容易获取但比较难处理.文章的主要贡献有以下三点: 　　(1) 使用神经网络结构对用户以及物品的latent features...
【论文笔记】Neural Collaborative Filtering --- WWW2017
weixin_44884854的博客
10-08 730
摘要 近几年来，神经网络已经在声音识别等领域取得了巨大的成功，然而关于推荐系统的神经网络研究却很少有人关注。在本文中，我们提出了一种新的基于神经网络的方法解决推荐系统中的关键问题--协同过滤(基于隐式反馈)。 即使近几年来已经有工作把神经网络用于推荐系统，但他们主要用神经网络来建模辅助信息，但是对于用户和物品的特征交互，仍然使用矩阵分解和内积。 我们提出了一个通用框架NCF，它可以从数据中学习任意函数的神经网络结构代替内积，同时利用多层感知机来学习用户-物品的交互方程。 关键字 协同过滤、神经网络
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