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

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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