深度学习推荐系统-----AutoRec单隐层神经网络推荐模型--未完待续

单隐层神经网络模型是2015年又澳大利亚国立大学提出来的AutoRec,它是将自编码器的思想和协同过滤结合，提出了一种单隐层神经网络推荐模型，因其简约的网络结构和清晰易懂的模型原理，AutiRec非常适合作为深入学习推荐模型的入门模型来学习
AutoRec模型是一个标准版的自编码器，它的基本原理是利用协同过滤重的共现矩阵，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
什么是自编码器？？？？？
自编码器是指能够完成数据“自编码”的模型，无论是图像，音频，还是文本数据，都可以转换成向量的形式进行表大，假设其数据向量为r，自编码的作用是将向量r作为输入，通过自编码后，得到的输出向量尽量接近其本身。

AutoRec模型的两个重点内容：
1、重建函数的模型结构
2、利用重建函数得到最终的推荐列表