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