3.2 AutoRec-单层神经网络推荐模型

AutoRec模型是一个标准的自编码器

原理：利用协同过滤中的共现矩阵，完成物品向量或者用户向量的自编码。在利用自编码的结果得到用户对物品的预估评分，进而进行推荐排序。
得到AutoRec模型的重建函数后，再经过评分预估和排序的过程得到最终的推荐列表。

AutoRec模型结构

输入：物品的评分向量
输出：多分类层
V和W分别代表输入层到隐层，以及隐层到输出层的参数矩阵。
重建函数：

为防止过拟合，在加入L2zhengzehua hou ,AutoRec目标工具函数的具体形式如下：

AutoRec模型是一个非常标准的三层神经网络，模型的训练利用梯度反向传播可以完成。

基于AutoRec模型的推荐过程

当输入物品i的评分r(i)时，模型的输出向量就是所有用户对物品的评分预测。

通过遍历输入向量就可以得到用户u对所有物品评分，进而根据评分预测排序得到推荐列表。
**

局限：

**
用户向量稀疏性可能影响模型效果