您可能感兴趣
本文是深度学习在推荐系统中的应用及代码集锦第二篇,上面链接是第一篇,本文的论文编号沿用第一篇的论文编号
[7] Joint deep modeling of users and items using reviews for recommendation
Lei Zheng, Vahid Noroozi, Philip S. Yu
WSDM 2017
https://arxiv.org/pdf/1701.04783.pdf
这篇文章利用深度模型从评论文本中学习商品的特性和用户行为。模型名称为DeepCoNN,Deep Cooperative Neural
Networks,在最后一层包含两个并行的神经网络。其中一个利用用户的评论来学习用户行为,另一个用于该商品的相关评论来挖掘商品属性。然后上面的一个共享层将这两个网络联合起来。共享层能够类似与分解机技巧来学习用户和商品之间交互作用的隐含因子。
下面是一些符号约定
模型结构如下
数据集描述信息如下
各模型效果对比如下
代码地址
https://github.com/chenchongthu/DeepCoNN
我是分割线
[8] Collaborative Denoising Auto-Encoders for Top-N Recommender Systems
Yao Wu et al.
WSDM 2016
http://alicezheng.org/papers/wsdm16-cdae.pdf
这篇文章提出一种新的用于top-N推荐的算法,这种算法基于去噪自编码。事实上,该模型是若干知名协同过滤模型的泛化。
相关模型及损失函数如下
本文所提出的CDAE示例如下
学习算法伪代码如下