movielens推荐系统_深度学习在推荐系统中的应用1（附代码、论文及数据集）

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：

数据集统计信息如下：

参数设置如下：

结果如下：

各因素的影响如下：

下面是参数分析：

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