A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems

《A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems》

目的：矩阵分解是一种广泛使用的基于模型的CF方法具有良好的可扩展性和准确性，asdae利用深度学习从原始输入中有效提取项目和用户潜在信息。这两个模型相结合，来达到预测用户项目评分矩阵的缺失值。

论文信息：携程在深度学习与推荐系统结合的领域进行相关的研究与应用，并在国际人工智能顶级会议AAAI 2017上发表了相应的研究成果。

一，Contribution：

1）提出一种新的深度学习模型asdae，是SDAE的变体，将side information有效的集成到学习到的潜在因素。

2）提出了一种混合的协同过滤模型，将深度表示学习和矩阵分解结合，同时从side information提取出有效的潜在因素和捕捉用户和项目之间的隐含关