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