【读论文系列】Collaborative Deep Learning for Recommender Systems

摘要

推荐大致可以分为两类，基于内容推荐，基于用户行为的协同。该论文想做的是把内容和用户行为结合起来，并且使用了deep learning，希望解决content稀疏的问题。

方法

解决content稀疏的问题，实际上使用stacked denoising autoencoder(SDAE)就能学出item的distributed representation，输入是item content的词袋。
本文的做法是，结合SDAE，以及user vector，一起来拟合user-item矩阵，这个时候的loss就是sdae的loss + user-item 的loss，最小化这个就行。

prediction的时候也简单，item content过一遍sdae得到item vector，然后点乘user vector即可。

我的微信公众号

微信公众号：CodingRush 分享数据挖掘、分布式机器学习、编程等相关知识。