针对基于物品的协同过滤,作者采用注意力机制,提出了一种叫作Neural Attentive Item Similarity model (NAIS)的神经网络模型。
论文阅读 Joint Neural Collaborative Filtering for Recommender Systems
作者使用一个联合神经网络将用户和物品的深度特征学习、用户与物品之间的深度交互建模整合在一起。此外,作者综合考虑了显式反馈和隐式反馈、pointwise和pairwise损失,提出了一种新的损失函数。
论文阅读 Deep Matrix Factorization Models for Recommender Systems
作者综合考虑了显式评分和隐式反馈,提出了一个基于深度学习的矩阵分解方法以及一个新的损失函数。
论文阅读 BPR: Bayesian Personalized Ranking from Implict Feedback
贝叶斯个性化排序(Bayesian Personalized Ranking,BPR)是一种基于pairwise的排序算法,主要利用用户的隐式反馈(如点击、浏览、购买等行为),通过最大化后验概率来对物品进行个性化排序。
论文阅读 Neural Collaborative Filtering
Neural Collaborative Filtering提出了一种融合模型,将深度学习运用到推荐系统中,在隐式反馈问题上获得了state-of-the-art。