基于深度学习的推荐模型--AutoRec

首先介绍

在传统的CF里，所用的信息即为所有用户历史的评分数据，按用户做行，item做列，可以得到一个rating matrix R，其中Rij指useriuseri对itemjitemj的打分。其中我们只能观测到这个矩阵里的部分值，那些未观测到的值则是需要预测的对象。MF解决该问题的思路是将评分矩阵拆成U*V，其中U为user隐向量矩阵，V为item隐向量矩阵。一旦获得U和V后，预测值就可以从u*v上得到
 

在神经网络有，一有类特殊的网络叫做AutoEncoder

它是一种使得输出的数据尽可能接近输入的一种网络

选用平方误差作为损失函数。本质上AE是学习到了一个原始输入的一个向量表达。

所以我们就可以通过这种方法来解决下面的问题

只是在这里我们使用时深度学习的方法来预测图中红框的值

下面是AutoRec的模型图，非常的简单