摘要

当今，各种用户与媒体资源的交互(对照片的点赞、浏览的视频、下载的音乐)相比于显示反馈(评分)是比较容易取得的。但是，协同过滤(CF)系统忽略了这些交互。在多媒体推荐中，存在着item级别和component级别的隐蔽性，它们模糊了用户的喜好特征。

比如说，用户"看过"某个视频这个信息，并不能告诉我们用户如何喜欢这个视频(item级别)，也不知道用户喜欢视频的哪个部分(component级别)。本文就提出ACF解决这种问题。本模型包含两个部分：

component级别，从网络中任意媒体资源中提取的特征(用CNN提取图片/视频)开始，学习从媒体item的components中选择包含信息的那些component。
item级别，学习为item的偏好打分。

1. 介绍

很多时候，用户的交互主要是隐式的，比如"观看"某个视频、"点赞"某个照片、"播放"某个音乐。由于隐式行为难以反映用户讨厌什么(比如负面反馈)，目前的CF方法都是考虑如何把错过的用户行为加入到用户喜好的建模上。但很少有人深入去研究这些行为。所以本文会基于两个级别的隐式反馈上进行推荐。

item级别的隐式反馈。用户的正面反馈不一定代表他喜欢这个item。
1. 用户可能是因为照片是朋友发的而点赞，而不是因为他喜欢这个照片。
2. 即使是点赞，其喜欢的程度也不同。
component级别的隐式反馈。用户的对视频的"播放"记录并不能代表他喜欢视频的全部，可能只是视频的某个部分。因此我们要为用户对底层component的喜好进行建模。

但是，直接建模是很难的，因为我们缺少ground-truth。我们提出了ACF，可以用远程监督的方式自动为两级反馈分配权重。ACF利用潜在因子模型，通过将item和user转换为相同的潜在因子空间，使其可以直接比较。

我们有一个user-item交互矩阵R，有交互的地方值为1，没有交互则为0，我们要利用矩阵R，去估计可能的交互。关于矩阵分解有两种方法：

貌似有用到neighborhood-based CF。ACF将评分公式看做latent factor Model与neighborhood-base CF的结合。
还提到了SVD++和FISM。值得一看。

做法：为item和component建立特征向量，通过两层的整合，最终得到用户特征向量，以此来进行评分预测。
其实公式列好以后，用梯度下降就好，梯度的公式计算都交给tensorflow做。各种特征向量一顿整合，最后得到分数和cost，把cost交给tensorflow计算梯度，一直迭代就行了。