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)
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。