電子發燒友App
創作
發文章
發帖 
提問 
發資料
發視頻本節超越了顯式反饋，介紹了神經協同過濾 (NCF) 框架，用于使用隱式反饋進行推薦。隱式反饋在推薦系統中很普遍。點擊、購買和觀看等行為是常見的隱式反饋，易于收集并指示用戶的偏好。我們將介紹的模型，名為 NeuMF （He等人，2017 年），神經矩陣分解的縮寫，旨在解決具有隱式反饋的個性化排序任務。該模型利用神經網絡的靈活性和非線性來替代矩陣分解的點積，旨在增強模型的表達能力。具體而言，該模型由兩個子網絡構成，包括廣義矩陣分解 (GMF) 和 MLP，并對來自兩個路徑的交互進行建模，而不是簡單的點積。這兩個網絡的輸出被連接起來用于最終的預測分數計算。與 AutoRec 中的評分預測任務不同，該模型根據隱式反饋為每個用戶生成一個排名推薦列表。我們將使用上一節介紹的個性化排名損失來訓練這個模型。
21.6.1。NeuMF 模型
如前所述，NeuMF 融合了兩個子網絡。GMF 是矩陣分解的通用神經網絡版本，其中輸入是用戶和項目潛在因子的元素乘積。它由兩個神經層組成：
在哪里⊙表示向量的 Hadamard 乘積。 P∈Rm×k和 Q∈Rn×k分別對應于用戶和項目潛在矩陣。 pu∈Rk是個uth 一排P和qi∈Rk是個 ith一排Q.α和h 表示輸出層的激活函數和權重。 y^ui是用戶的預測分數u可能會給物品i.
該模型的另一個組成部分是 MLP。為了增強模型的靈活性，MLP 子網不與 GMF 共享用戶和項目嵌入。它使用用戶和項目嵌入的串聯作為輸入。通過復雜的連接和非線性變換，它能夠估計用戶和項目之間復雜的交互。更準確地說，MLP 子網定義為：
在哪里W?,b?和α?表示權重矩陣、偏置向量和激活函數。?? 表示相應層的功能。z? 表示相應層的輸出。
為了融合 GMF 和 MLP 的結果，而不是簡單的加法，NeuMF 將兩個子網絡的倒數第二層連接起來，以創建一個可以傳遞給更多層的特征向量。之后，輸出用矩陣投影
上傳資料賺積分
工商網監
評論