【推荐算法】CCCFNet: A Content-Boosted Collaborative Filtering Neural Network for Cross Domain Recommender

一、亮点

1. 使用因子分解的框架，将协同过滤和基于内容的过滤结合在一起；
2. 使用Cross Domain跨领域推荐——假设跨领域存在一些一致的模式(如不同的domain共享user-side sub-network)，因此可以从相对密集的辅助领域获取知识。

二、模型具体结构

rating matrix 定义为：

item content attribute matrix定义为：

A(1)和R(1)代表target domain的矩阵，A(2)和R(2)代表auxiliary domain的。

为了融合item中的content knowledge，将item的属性嵌入到一个共享的隐空间中，然后用其属性嵌入表示来扩展rating matrix经过LFM分解后的item隐向量。即：

其中，$V_j$是rating matrix经过LFM分解后的item隐向量，$A_j$是content 属性矩阵，B是属性embedding矩阵。

rating matrix经过LFM分解后的user隐向量被扩展为：

其中，$U_{ia}$表示原始协同过滤部分的，而$U_{ib}$表示content preference 部分。

目标函数为：

模型图为：

不同的领域共享user-side sub-network。