Neural Collaborative Filtering

时间：2017.08.26

作者：Xiangnan He, Lizi Liao, Hanwang Zhang, Liqiang Nie, Xia Hu, Tat-Sent Chua

Abstract

以往deep learning模型只用在content information上，比如描述商品的文字、音乐、图片，对于用户、物品的交互信息，用的还是MF（隐向量之间的点乘）来学习。而NCF在implicit feedback数据上使用DNN来学习user-item relations。

 

Model Structure

文中Input Layer只用了userID和itemID，可以加入content information来帮助冷启动。Input Layer到Embedding Layer的映射使用的是FC Layer。Neural CF Layers学习user-item之间的非线性关系。

文中使用的是pointwise loss，

，表示的是负样本，可以使用全部的负样本，也可以随机抽取部分作为负样本

也可以使用pairwise loss（eg. Bayesian Personalized Ranking, margin-based loss）来训练。

因为，使用sigmoid作为output layer的activation function

Generalized Matrix Factorization(GMF)

 

Multi-Layer Perceptron(MLP)

 

Fusion of GMF and MLP

GMF和MLP的embedding不共享，并且都各自pre-train直到收敛，

 

Reference

https://zhuanlan.zhihu.com/p/37400021