Neural Collaborative Filtering

最新推荐文章于 2024-04-19 09:56:00 发布
最新推荐文章于 2024-04-19 09:56:00 发布
阅读量1.6k 收藏 10
点赞数 1
分类专栏： 推荐系统
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_38119106/article/details/112296873
版权

目录


核心： 内积的局限性，用神经结构代替内积。实验表明，使用更深层次的神经网络提供了更好的推荐性能。

2 PRELIMINARIES

隐反馈交互

在这里插入图片描述
目标函数分为ponit-wise和pair-wise loss：

  • ponit-wise，最小化预测值和实际值之间的差距，预测rmse，二分类Logloss
  • pair-wise，最大化正样本和负样本之间的差距，bpr， margin-based loss等

矩阵分解可以看作隐表示的加和，每个维度的贡献相同
在这里插入图片描述
内积的局限性例子，p4和p1最接近，然后是p3，最后是p2；但是p4和p1靠近之后，会改变p2、p3对于p4的相似性，距离与真正相似性不符合。解决这个问题的一个方法就是增大隐表示的维度，但是会破坏模型的泛化性（个人认为就是造成过拟合），本文通过使用DNN来学习交互函数来解决这个限制。
在这里插入图片描述

3. NEURAL COLLABORATIVE FILTERING

3.1 通用框架

在这里插入图片描述
输入都只含用户和物品的id，通过嵌入来得到对应的表示，还可以用content来获取用户或者物品的表示，以此解决冷启动问题。NCF层的每一层都可以定制，用以发现用户-项目交互的某些潜在结构。最后一个隐藏层X的维数决定了模型的能力。
NCF的形式化表示为：
在这里插入图片描述
前面两项表示 用户表示和物品表示；后面三项表示用户嵌入表、物品嵌入表、参数
在这里插入图片描述

使用ponitwise的损失函数：

最低0.47元/天 解锁文章
Dive_
关注
  • 1
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
NCF框架：Neural Collaborative Filtering
Guozyan的博客
04-23 613
1.数据集：MovieLens和Pinterest2.评价指标：选取留一评价法。排名列表的性能使用命中率HR和归一化折现累积增益NDCG判断。TOP103.基线：ItemPop,ItemKNN,BPR,eALS4.结果：对于排名列表，NeuMF展现了比上述所有算法都优秀的表现；对于推荐结果，NeuMF也有略有优势；对于预训练部分，做了有和没有预训练的实验结果，有预训练的实验结果在大部分情况下效果优于不做预训练的情况；对于损失函数，NeuMF的损失最小，HR等也比较优于其他模型；
Neural Collaborative Filtering神经协同过滤1
08-03
Neural Collaborative Filtering神经协同过滤 Neural Collaborative Filtering（NCF）是一种基于神经网络的协同过滤算法，旨在解决推荐系统中的关键问题，即协同过滤问题。传统的协同过滤算法主要基于矩阵分解和内...
论文《Neural Collaborative Filtering》阅读
xingzhe123456789000的博客
08-18 956
论文《Neural Collaborative Filtering》阅读论文概况论文亮点 论文概况 论文《Neural Collaborative Filtering》是由新加坡国立大学何向南教授完成的一篇关于基于神经网络方法的推荐系统论文，发表在WWW 2017上，CCF A。 论文地址：NeuMF 数据集：MovieLens、Pinterest 代码地址：NeuMF 论文亮点 这篇文章使用神经网络（NN, Neural Network）方法完成了推荐系统中的协同过滤，不同于其他算法中使用神经网络提取辅助
Neural Collaborative Filtering.pdf
11-29
论文《Neural Collaborative Filtering》原文，其中有NAIS模型实验中使用的两个数据集详细描述
神经协同过滤Neural Collaborative Filtering(NCF)
Super_cute_的博客
08-17 2305
Neural Collaborative Filtering简述矩阵分解（MF）NCF1.GMF 广义矩阵分解2.MLP（多层感知机）3.NeuMF实验 简述 这篇论文是何向南博士所写 论文地址：http://www.comp.nus.edu.sg/~xiangnan/papers/ncf.pdf 翻译链接：https://www.cnblogs.com/HolyShine/p/6728999.html 本文主要讨论隐式反馈协同过滤。先说明了传统MF方法的局限性，然后提出了一种通用框架NCF并提出了三种实现
【翻译】Neural Collaborative Filtering--神经协同过滤
weixin_30505225的博客
04-22 1993
【说明】 　　本文翻译自新加坡国立大学何向南博士 et al.发布在《World Wide Web》（2017）上的一篇论文《Neural Collaborative Filtering》。本人英语水平一般+学术知识匮乏+语文水平拙劣，翻译权当进一步理解论文和提高专业英语水平，translate不到key point还请见谅。 何博士的主页：http://www.comp.nus.edu.sg...
推荐系统——Neural collaborative filtering
manduner的博客
07-18 1596
论文描述： *矩阵分解模型是目前最为流行的一种协同过滤方法，通过用户潜在特征和商品潜在特征的内积重构用户-商品交互矩阵中的未知项，模型简单、易扩展且灵活。但是取得的推荐性能较低。基于矩阵分解的改进方法有，将矩阵分解模型与基于内容的模型相结合，形成混合模型；将辅助信息整合到矩阵分解模型中等。由于深度学习强大的表示学习能力，一些研究开始将深度学习的方法与传统的矩阵分解模型相结合，以提高推荐系统的性能...
推荐系统Neural Collaborative Filtering神经协同过滤
04-12
Neural Collaborative Filtering这篇论文的Neural matrix factorization模型，模型的参数可以自行调整。
蔡氏电路matlab仿真代码-Neural-Collaborative-Filtering:硬2.1.4/张量流1.7.0
05-26
蔡氏电路matlab仿真...Neural-Collaborative-Filtering Xiangnan He, Lizi Liao, Hanwang Zhang, Liqiang Nie, Xia Hu and Tat-Seng Chua (2017). In Proceedings of WWW '17, Perth, Australia, April 03-07, 2017.
推荐系统论文阅读——Neural Collaborative Filtering
热门推荐
小白的笔记本
03-04 1万+
论文题目：Neural Collaborative Filtering 参考资料：https://www.cnblogs.com/HolyShine/p/6728999.html 尽管最近的一些工作已经把深度学习运用到了推荐的任务当中，但只是用深度学习给一些辅助的信息建模，例如项目的文字描述或音乐的声学特征等等。在表示用户与项目之间的交互是仍然使用矩阵分解等用内积来建模。这篇文章的工作主要...
【科研导向】Neural Collaborative Filtering 神经协同过滤 ＜论文理解&代码分析＞
weixin_41441616的博客
03-28 1600
Neural Collaborative Filtering——WWW'17文章简介一.摘要解析二.技术要点三.实验部分代码解析一.模型构建二.难点问题未来展望 文章简介 该文由何向南教授团队与17年发表在IW3C2，其核心思想在于结合了传统矩阵分解的易用性与神经网络对用户项目交互的高维感知力来提高最终推荐的性能表现。 Keywords: 协同过滤//神经网络//深度学习//矩阵分解//隐式反馈...
论文阅读：Neural Graph Collaborative Filtering
aaHua_
07-28 472
Neural Graph Collaborative Filtering
探索Neural Collaborative Filtering：深度学习驱动的推荐系统新境界
最新发布
gitblog_00074的博客
04-19 399
探索Neural Collaborative Filtering：深度学习驱动的推荐系统新境界 项目地址:https://gitcode.com/yihong-chen/neural-collaborative-filtering 在这个信息爆炸的时代，个性化推荐已经成为我们日常生活中不可或缺的一部分。Neural Collaborative Filtering 是一个基于深度学习的开源项目，旨在...
【推荐系统论文精读系列】(五)--Neural Collaborative Filtering
CSDN 精品推荐
11-14 1491
文章目录Neural Collaborative Filtering一、摘要二、介绍三、准备知识3.1 从隐式数据中进行学习3.2 矩阵分解四、神经协同过滤4.1 总体框架4.1.1 学习NCF4.2 广义矩阵分解（GMF）4.3 多层感知机（MLP）4.4 GMF与MLP的融合4.4.1 预训练REFERENCES Neural Collaborative Filtering 一、摘要 近年来，深度神经网络在语音识别、计算机视觉和自然语言处理方面取得了巨大的成功。然而，深度神经网络在推荐系统上的探索相对较
经典论文阅读(一)--NCF: Neural Collaborative Filtering
rover
05-28 3289
NCF是神经网络版本的协同过滤，推荐算法的经典的方法之一。本文回顾一下NCF论文的要点。 摘要(What) NCF是一种通用的框架，它可以表达和推广矩阵分解。 为了提升NFC的非线性建模能力，我们提出了使用多层感知机去学习用户-项目之间交互函数（interaction function）。 引言(Why) 矩阵分解(MF)： 将用户和项目映射到共享潜在空间（shared latent space），使用潜在特征向量（latent features），用以表示用户或项目。这样一来，用户在项目上的交互就被建模为
Collaborative Filtering算法
pennyliang的专栏
09-10 1929
协同过滤(collaborative filtering CF)技术是当前最为成功和广泛使用的个性化推荐技术,传统的协同过滤技术也叫基于用户的协同过滤,(user—based CF)．它是通过相同或相近兴趣的用户对资源的评价向用户推荐信息的．协同过滤技术的优点是能为用户发现更多新的兴趣．但是，传统的协同过滤技术存在3个难于解决的问题：算法的可扩展性、评价数据的稀疏性和初始资源推荐问题 
推荐系统——Neural Collaborative Filtering(NMF)
qq_37668436的博客
03-08 1549
推荐系统，nmf结构
【推荐系统】neural_collaborative_filtering（源码解析）
qq_41786778的博客
04-24 779
https://www.cnblogs.com/wzyj/p/8974782.html https://www.cnblogs.com/HolyShine/p/6728999.html https://blog.csdn.net/stalbo/article/details/79431662
neural collaborative filtering
03-16
神经协同过滤（Neural Collaborative Filtering）是一种基于神经网络的协同过滤推荐算法，能够利用用户历史行为和物品信息来预测用户对未知物品的评分或喜好程度。与传统的协同过滤算法不同，神经协同过滤引入了神经...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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