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

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