原书出处
深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)
09 第9章 推荐系统
们介绍了协同过滤,协同过滤比较简单,因为它基于矩阵分解模型,利用潜在特征(latent feature)的内积进行推荐,
而内积属于线性变换,其特征的表现有限。为解决这个问题,新加坡国立大学何向南教授提出一种解决方案(见论文Neural Collaborative Ffiltering(简称NCF)),论文的核心是用神经网络取代这个内积部分的技术,以学到特征之间任意的函数关系。
NCF的架构如图9-4所示。 图9-4 NCF架构图 输入是用户的独热编码以及物品的独热编码,Embedding层把独热
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter12_0003.xhtml
EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da