本賬號為第四範式智能推薦產品先薦的官方賬號。賬號立足於計算機領域，特別是人工智慧相關的前沿研究，旨在把更多與人工智慧相關的知識分享給公眾，從專業的角度促進公眾對人工智慧的理解；同時也希望為人工智慧相關人員提供一個討論、交流、學習的開放平台，從而早日讓每個人都享受到人工智慧創造的價值。

以下內容經作者授權轉載自微信公眾號【智能推薦系統】。轉載內容僅用於學習交流，版權歸原作者所有。

本篇是深度學習在推薦系統的應用第二篇，這篇文章提出了CF-NADE結構，即神經自回歸結構，可以用於協同過濾。

[2] A Neural Autoregressive Approach to Collaborative FilteringYin Zheng et al.ICML 2016

https://pdfs.semanticscholar.org/f5e6/3fb54e1e338c246b20aacf1b3d629b8baf3d.pdf

這篇文章提出了CF-NADE結構，即神經自回歸結構，可以用於協同過濾。該結構源於基於限制性玻爾茲曼機 (Restricted Boltzmann Machine，RBM)的協同過濾模型和神經自回歸分布估計（Neural Autoregressive Distribution Estimator ，NADE）。這篇文章通過不同評分之間參數共享來提升模型效果。CF-NADE的因子分解版本具有更好的擴展性。此外，作者考慮了偏好的有序性，提出有序的損失函數來優化CF-NADE，用以提升模型效果。CF-NADE可以擴展到深層模型，此時會增加一定的計算複雜度。實驗結果如下

下面是各方法效果對比

配置及耗時統計如下

代碼地址https://github.com/Ian09/CF-NADE
推薦閱讀：

相关文章