神经协同过滤Neural Collaborative Filtering(NCF)

最新推荐文章于 2024-03-17 21:21:46 发布
最新推荐文章于 2024-03-17 21:21:46 发布
阅读量2.4k 收藏 11
点赞数
文章标签： 推荐系统
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/Super_cute_/article/details/119753185
版权

Neural Collaborative Filtering

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并提出了三种实现方法(GMF、MLP、NeuMF)。之后从三个角度对本文提出的方法进行实验

矩阵分解（MF）

在这里插入图片描述
MF模型是用户和项目的潜在因素的双向互动，它假设潜在空间的每一维都是相互独立的并且用相同的权重将它们线性结合。因此，MF可视为隐向量（latent factor）的线性模型。

(a)是user-item交互矩阵，(b)是用户的隐式空间，论文中强调了两点来理解这张图片：
1）MF将user和item分布到同样的隐式空间中，那么两个用户之间的相似性也可以用二者在隐式空间中的向量夹角来确定。
2）使用Jaccard系数来作为真实的用户相似性。
通过MF计算的相似性与Jaccard系数计算的相似性也可以用来评判MF的性能。
在这里插入图片描述

最低0.47元/天 解锁文章
倾_尘
关注
  • 0
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Neural Collaborative Filtering（NCF） 代码实战（Keras）
weixin_41931400的博客
08-20 3516
博客主要分为两部分。第一部分为论文简介，第二部分为代码实战。 论文简介： 1. 通用框架 下图是作者提出的用神经网络解决推荐系统问题的通用框架。论文先将用户与物品分别进行one-hot编码，然后通过一个Embedding层映射得到对应的向量，这就类似于矩阵分解（MF）中用户与物品的潜在相量。通过此操作可以使网络自己训练调整参数，还可以降低以及控制输入神经网络的维度。 2. GMF GMF被称为...
浅析神经协同过滤NCF在推荐系统的应用
Garvin的专栏
10-17 877
NCF在推荐领域应用背景 CF，也就是协同过滤，在推荐领域有极其广泛的应用，应该没有谁的智能推荐系统是没用到过CF的。CF其实就是挖掘user和item的交互关系，然后生成I2I或者U2I表示向量。传统的CF从数学角度上还是偏行为统计计算的，没有用到很复杂的网络。因为深度学习很火，也是有一些关于Neural Collaborative Filtering的工作。今天介绍一下最近看的叫《Neural Collaborative Filtering》这篇论文。也有一个对应的开源项目，地址： https://
【翻译】Neural Collaborative Filtering--神经协同过滤
weixin_30505225的博客
04-22 2016
【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
derder的博客
08-16 348
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
神经协同过滤（论文笔记）
苏钟白的博客
12-31 4733
Neural Collaborative Filtering（2017年） 一.论文总结 二.论文内容 摘要 近些年，深度神经网络在语音识别、计算机视觉和自然语言处理取得了巨大的成功。然而，深度神经网络在推荐系统中的应用却受到了相对较少的关注。在这项工作中，我们致力于开发一种基于神经网络的技术来解决在隐式反馈的基础上的推荐协同过滤的关键问题。 尽管最近已经有工作将深度学习应用于推荐，但是他们主要用它作为建模辅助信息，如项目的文本描述和音乐的声学特征。至于协同过滤中的关键因素——用户和项目特征之间的交互，他们
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...
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。
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...
neuro_collaborative_filtering：神经协同过滤
02-05
神经协同过滤 这是本文的实现： 何湘南，廖丽子，张汉旺，聂丽强，胡霞，蔡达生（2017）。 2017年4月3日至7日在澳大利亚珀斯的WWW '17会议录中。 三种协作过滤模型：广义矩阵分解（GMF），多层感知器（MLP）和神经矩阵分解（NeuMF）。 为了将模型用于隐式反馈和排名任务，我们使用对数损失和负采样对它们进行优化。 如果您使用我们的代码，请引用我们的WWW'17论文。 谢谢！ 作者：何湘南博士（ ） 环境设定 我们使用Keras和Theano作为后端。 Keras版本：“ 1.0.7” Theano版本：“ 0.8.0” 运行代码的示例。 在代码中已经清楚地说明了命
【推荐系统】NCF神经协同过滤
最新发布
vox520的博客
03-17 1610
NCF框架是本文要实现的3个模型的主体结构。首先是输入层，分别包含两个特征向量vu​和vi​，描述了用户u和物品i。输入仅由一个用户向量和一个物品向量构成，它们分别是以one-hot编码的二值化稀疏向量。接着是Embedding层，这是一个全连接层，用于将输入层的系数向量表示成一个稠密向量。接着用户和物品的embedding向量被送入多层神经网络架结构中，这一层叫做神经协同过滤层(Neural CF Layer)，它用于将潜在特征向量映射成预测分数(Score)。
NCF(Neural Collaborative Filtering)——协同过滤与神经网络的结合
很吵请安静
06-13 2547
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 ...
NeuralCF-神经协同过滤网络
YCCNUST的博客
06-27 931
NeuralCF推荐模型
基于神经网络的协同过滤-NCF
crhxiyhx的博客
04-09 1869
通过用神经结构代替内积这可以从数据中学习任意函数，据此我们提出一种通用框架，我们称它为NCF
推荐系统——Neural collaborative filtering
manduner的博客
07-18 1603
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...
DW推荐系统论文组队task1--NCF（神经协同过滤）
qq_51309289的博客
11-25 623
目前在对协同过滤中的关键因素——用户与项目特征的交互作用进行建模时，仍然采用矩阵分解的方法，对用户与项目的潜在特征进行内积分析。提出了一种基于神经网络的协同过滤框架NCF（neural network-based Collaborative Filtering）。NCF是泛型的，在其框架下可以表示和推广矩阵分解。为了加强非线性NCF建模，我们提出利用多层感知器学习用户-项目交互函数。在两个真实数据集上的大量实验表明，我们提出的NCF框架比现有的方法有了显著的改进。
论文笔记：Neural Collaborative Filtering(NCF)
qq_44015059的博客
07-19 2213
前言 论文链接：https://arxiv.org/abs/1708.05031 github：https://github.com/yihong-chen/neural-collaborative-filtering 参考：https://www.cnblogs.com/HolyShine/p/6728999.html https://blog.csdn.net/foneone/article/details/103881687 本文主要介绍了一种一种基于神经网络的技术，来解决在含有隐形反馈的基础上进行推
Neural Collaborative Filtering      
ChristineC_的博客
02-24 394
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...
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...
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