本账号为第四范式智能推荐产品先荐的官方账号。账号立足于计算机领域,特别是人工智能相关的前沿研究,旨在把更多与人工智能相关的知识分享给公众,从专业的角度促进公众对人工智能的理解;同时也希望为人工智能相关人员提供一个讨论、交流、学习的开放平台,从而早日让每个人都享受到人工智能创造的价值。
以下内容经作者授权转载自微信公众号【智能推荐系统】 。转载内容仅用于学习交流,版权归原作者所有。
在之前的文章中,我们介绍了深度学习推荐算法的相关基础知识,本篇文章及以后,我们会挑选一些业界有影响力会议、期刊的深度学习推荐算法进行介绍,可以结合着论文和之前的《智能推荐算法之深度学习基础知识》一起来看。
[1] Convolutional Matrix Factorization for Document Context-Aware
Recommendation
Donghyun Kim et al.RecSys 2016http://uclab.khu.ac.kr/resources/publication/C_351.pdf 这篇文章提出一种能够利用上下文信息的推荐模型,卷积矩阵分解 (convolutional matrix factorization,ConvMF),这种模型将卷积神经网络融入到概率矩阵分解中。这种做法可以捕捉文档的上下文信息,进而提高打分的预测准确率。
模型图示如下:
![8cc022007cc05617cefcf7403e6fd21c.png](https://i-blog.csdnimg.cn/blog_migrate/839ca2765540a75dca932421c20e17f4.jpeg)
![21ee77dc77aadb1ac051733bd9678d13.png](https://i-blog.csdnimg.cn/blog_migrate/d566c63df5076de9932af4d629c85453.jpeg)
数据集统计信息如下:
![9b155b9575a379048f738ef9c2af8aed.png](https://i-blog.csdnimg.cn/blog_migrate/9836d3a90650a4e8158546ab842c1bab.png)
参数设置如下:
![6f9e88db932df7ef84b4164b893ab180.png](https://i-blog.csdnimg.cn/blog_migrate/e64091a85fea5ed00ee2865aed57049c.png)
结果如下:
![f7459a318d039705a0ec666788dc447e.png](https://i-blog.csdnimg.cn/blog_migrate/8a71670cd43d60045d6b09d38d479243.jpeg)
各因素的影响如下:
![810a3cddd63a413d561f1a5ede0f8809.png](https://i-blog.csdnimg.cn/blog_migrate/cacee6f5ce7e74af8d6ceb995ff0acb1.jpeg)
下面是参数分析:
![fec120e49d8dd7770546ea4720602909.png](https://i-blog.csdnimg.cn/blog_migrate/83e710eb1fe2405ce3f846bd628ee928.jpeg)
代码地址:https://github.com/cartopy/ConvMF数据集地址:http://dm.postech.ac.kr/~cartopy/ConvMF/data/movielens.tarhttp://dm.postech.ac.kr/~cartopy/ConvMF/data/aiv.tarPPT :http://dm.postech.ac.kr/~cartopy/ConvMF/ConvMF_RecSys16_for_public.pdf