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
深度学习推荐系统-----AutoRec单隐层神经网络推荐模型--未完待续
最新推荐文章于 2023-05-10 17:30:25 发布