论文笔记：Collaborative Denoising Auto-Encoders for Top-N Recommender Systems

最新推荐文章于 2021-01-01 12:10:49 发布
最新推荐文章于 2021-01-01 12:10:49 发布
阅读量4k 收藏 6
点赞数
分类专栏： baseline2 推荐系统会议论文 文章标签： 推荐系统 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35771020/article/details/89715717
版权

一、基本信息

论文题目：《Collaborative Denoising Auto-Encoders for Top-N Recommender Systems》

发表时间：WSDM 2016

作者及单位：

论文地址：https://dl.acm.org/citation.cfm?id=2835837

 

二、摘要

大多数现实世界中的推荐服务都是根据向最终用户显示的前n个结果来衡量其性能的。因此，在实际应用中，Top-N建议的进展产生了广泛的影响。在本文中，我们提出了一种新的方法，称为协同去噪自动编码器（CDAE），为顶N建议，利用去噪自动编码器的思想。我们证明了所提出的模型是几个著名的协同过滤模型的一个推广，但具有更灵活的组件。为了了解CDAE在不同组件设置下的性能，进行了深入的实验。此外，对多个公共数据集的实验结果表明，在各种常见的评估指标上，CDAE始终优于最先进的Top-N推荐方法。

 

三、主要内容与工作

•我们提出了一个新的模型CDAE，该模型使用自动编码器框架来制定Top-N推荐问题，并从损坏的输入中学习。与相关方法相比，CDAE在模型定义和目标函数方面都是一种新颖的方法。
•我们证明CDAE是几种最先进方法的概括，但具有更灵活的结构。
•我

最低0.47元/天 解锁文章
塘朗老实人
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Theano-Deep Learning Tutorials 笔记:Denoising Autoencoders (dA)
JiangV的博客
01-12 1514
python 实现降噪自编码，讨论了自编码与PCA的联系与区别，是一个降维的好方法，之后也可以逐层学习得到栈式自编码。
2017-Collaborative Autoencoder for Recommender Systems.pdf
06-11
2017-Collaborative Autoencoder for Recommender Systems
算法实现-CDAE:Collaborative Denoising Auto-Encoders for Top-N Recommender Systems
123liudong
01-01 1346
代码地址： https://github.com/stormDL/CDAE_with_Pytorch
2016-Collaborative Denoising Auto-Encoders for Top-N Recommender Systems.pdf
06-11
Most real-world recommender services measure their performance based on the top-N results shown to the end users. Thus, advances in top-N recommendation have far-ranging consequences in practical applications. In this paper, we present a novel method, called Collaborative Denoising Auto-Encoder (CDAE), for top-N recommendation that utilizes the idea of Denoising Auto-Encoders. We demonstrate that the proposed model is a generalization of several well-known collaborative filtering models but with more flexible components.
Denoising Autoencoder for Collaborative Filtering on Market Basket Data
omnispace的博客
11-08 721
The ipython notebook with the complete code and dataset is available at the following link. In this tutorial, we will apply denoising autoencoder on market basket data for collaborative filtering. Th
Denoising Autoencoder
CoderPai的博客
12-31 1805
作者：chen_h 微信号 & QQ：862251340 微信公众号：coderpai 简书地址：https://www.jianshu.com/p/f7b9f10b7ac4 自编码器 Autoencoder 稀疏自编码器 Sparse Autoencoder 降噪自编码器 Denoising Autoencoder 堆叠自编码器 Stacked Autoencoder 降噪自编码器（DAE）
CollabEd: Collaborative Editing Plugins-开源
04-26
一个协作平台，可实现非锁定，同步，实时协作（仅非文本）编辑，并且具有独立于编辑器的功能。 它还提供按编辑会话回放的编辑。 要进行协作，只需输入名称，组和密码。
Codestriker: collaborative code reviewer-开源
05-30
Codestriker 是一个支持在线代码审查的 Web 应用程序，通常是由源代码管理系统或普通的 unidiff 补丁生成的差异。 有与 CVS、Subversion、Clearcase、Perforce 和 Visual SourceSafe 的集成点。
Paperlist-for-Recommender-Systems:我感兴趣的推荐系统论文清单
05-24
推荐系统论文清单调查文件基于深度学习的推荐系统：一项调查和新观点[2017] 基于深度学习的推荐系统研究概述[2018] [ ] 可解释的建议：一项调查和新观点[2018] 序列感知的推荐系统[2018] DeepRec：基于深度学习的...
Autoencoders
orientsurge163的专栏
08-30 536
http://blog.sina.com.cn/s/blog_593af2a70101endk.html    深度学习有一个重要的概念叫autoencoder，这是个什么东西呢，本文通过一个例子来普及这个术语。          简单来说autoencoder是一个压缩编码器，也就是对input的一坨东西通过变换，输出和input一样的东西。例如input是一个鸡，ouput也是一个鸡，
denoising auto-encoders (SdA)
Marshall的专栏
05-06 1008
去噪自编码器背后的思想很简单. 为了迫使隐藏层单元发现更多鲁棒性好的特征, 以及阻止它学习恒等函数, 我们拿受损的输入来训练自编码器重构输入. 降噪自动编码器是自动编码器的随机版. 直观地说, 一个降噪自动编码器做两件事情: 试图对输入编码( 保存输入的信息 ), 和试图消除随机应用于自动编码器输入的损坏处理的影响. 后者则只能通过输入之间的统计相关性实现. 降噪自动编码器可以从不同的角度理解。
自编码器原理以及相关算法 Basic Auto-Encoder，Regularized Auto-Encoder，Denoising Auto-Encoder
晴堂嬴上
04-25 3089
在机器学习中，自编码器的使用十分广泛，掌握其原理很重要。网上有很多资料对其讲解，我这里把自己的理解记录下来，但求直观简单明确。         Auto-Encoder这里我简称AE，我们可以简单的将其认为是一个三层的网络，分别为输入层（x），中间隐含层（h），输出层（y）。其结构如下图所示：
[深度学习]Contractive Autoencoder
You and Me
10-30 5062
转载于http://www.cnblogs.com/dupuleng/articles/4342952.html 一、雅克比矩阵 雅克比矩阵是一阶偏导，假设(x1,x2,....,xn)到(y1,y2,...,ym)的映射，相当于m个n元函数，它的Jacobian Matrix如下 该矩阵表示x的微小波动对y的影响。 雅克比矩阵与Hessian矩阵不同，hessian矩阵表示二阶偏导。
搜索推荐中的召回匹配模型综述(二)：基于表示学习的深度学习方法
hellozhxy的博客
01-14 2034
“本文是搜索推荐中的召回匹配模型综述系列的第二篇，上一篇为搜索推荐中的召回匹配模型综述(一)--传统方法。 本文主要介绍了搜索推荐中基于representation learning的深度学习方法，包括基于协同过滤的方法(DMF,autoRec,协同降噪自编码器等)以及基于协同过滤+sideinfo的方法(DCF,DUIF,ACF,CKB)，并说明上述方法的结构范式和应用领域。” 作者：辛俊...
推荐系统——Collaborative Variational Autoencoder for Recommender Systems
manduner的博客
07-18 3317
论文描述： *由于深度学习强大的表示学习能力，深度学习与传统推荐算法的结合的模型越来越多。最近，协同深度学习（CDL）和collaborative recurrent autoencoder已经被提出联合学习堆叠降噪自编码器和协同过滤，这两种模型通过一些降噪标准从内容中学习表示。首先通过掩盖某些部分或用通配符替换一些内容来破坏输入，然后使用神经网络重建原始输入。然而降噪自编码(DAE)实际上没有...
2018深度学习在个性化推荐中的应用
马凡贺的博客
08-07 9596
深度学习在个性化推荐中的应用 结论 得益于深度学习强大的表示能力，目前深度学习在推荐系统中需要对用户与物品进行表示学习的任务中有着不错的表现，但优势不如图像与文本那么显著[1]。 深度学习与分布式表示简介 深度学习的概念源于人工神经网络的研究。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的有效表示，而这种使用相对较短、稠密的向量表示叫做分布式特征表示（也可以...
（十九）从零开始学人工智能-智能推荐系统：深度学习家族
weixin_45552760的博客
04-30 661
推荐系统系列之三：深度学习家族 1. MLP 来源出处： He, Xiangnan, et al. “Neural collaborative filtering.” Proceedings of the 26th international conference on world wide web. 2017. 目标函数： L=−∑(u,i)∈Ology^u,i−∑(u,j)∈O−log(1...
多层降噪自动编码机（Stacked Denoising Autoencoders）
ybx的专栏
10-16 6549
摘要 Sda模型 用Theano实现Sda
GCoNet+: A Stronger Group Collaborative Co-Salient Object Detector
最新发布
04-08
ChitGPT: Thank you for your question. GCoNet is a group collaborative co-salient object detector that has been shown to outperform previous methods in detecting salient objects in images. Would you like me to provide more information about how it works?
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值