深度自编码器在推荐中的应用

出品：贪心科技（公众号：贪心科技）

作者：Artem Oppermann

前言

协同过滤是推荐系统通过收集来自许多其他用户的品味或偏好来预测某个特定用户的兴趣所使用的一种方法。协同过滤技术的基本假设是，如果用户A与B在某件事上有相同的品味或意见，那么A就更有可能在不同的问题上得出与B相同的意见。通过本文你将学到：如何预测某个用户对一部电影的评价，这个预测将会基于这个用户的偏好以及其他用户对该部电影以及其他电影的影评。

目录：

• 简介

• 深度自编码器

• 模型实现

1. 简介

自编码器是一种在协同过滤领域达到最优性能的深度神经网络架构。作为文章的第一部分，在这里你将会看到简单自编码器的理论背景以及数学基础，学习简单自编码器到深度自编码器的延伸过渡。第二部分我们将主要关注实战部分，我们会学习如何用tensorflow逐步实现自编码器。在这篇文章中，我们仅学习、评价自编码器模型中较为重要的部分，而全部的模型以及输入和预处理可以参考github的文档。

1. 深度自编码器

• 自编码器