Sedhain S., Menon A. K., Sanner S. and Xie L. AutoRec: autoencoders meet collaborative filtering. In International Conference on World Wide Web (WWW), 2015.
概
其实看到推荐系统结合AutoEncoder, 我的第一反应是通过encoder提取特征, 然后利用注入内积的方式来计算得分. 没想到这里是直接预测得分.
主要内容

训练
对于得分矩阵 R∈Rm×n, 每一行:
r(u)=(Ru1,⋯,Run)∈Rn
表示一个用户的打分, 每一列
r(i)=(R(1i),⋯,Rmi)∈Rm
表示一个物品的得分. 当然, R是一个稀疏的矩阵, 我们希望通过自编码预测这些缺失的元素:
^r:=h(r;θ)=f(Wg(Vr+μ)+b),
这个自编码的输入可以是r(u) (user-based) 或者 r(i) (item-based). 我们希望通过下式来使得预测更加准确:
minW,V,μ,b∑r∥r−h(r;θ)∥2O+λ2⋅(∥W∥2F+∥V∥2F),
其中∥⋅∥O表示仅非缺失(可观测)元素之间进行操作.
预测
我们可以通过:
^Rui=(h(r(i);θ))u
或
^Rui=(h(r(u);θ))i,
这取决于你选择item-based或者user-based的模型.
疑问
这个怎么冷启动呢? 模型的输入的维度都是固定的.
代码
NeWhlx5991-AutoRec-for-CF
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· Manus重磅发布:全球首款通用AI代理技术深度解析与实战指南
· 被坑几百块钱后,我竟然真的恢复了删除的微信聊天记录!
· 没有Manus邀请码?试试免邀请码的MGX或者开源的OpenManus吧
· 园子的第一款AI主题卫衣上架——"HELLO! HOW CAN I ASSIST YOU TODAY
· 【自荐】一款简洁、开源的在线白板工具 Drawnix