论文笔记 《Joint Deep Modeling of Users and Items Using Reviews for Recommendation》(泛读)

简介：

作者提出基于一种神经网络的模型，一种从某个用户的评论中学习到该用户喜好；另一种是从所有用户对某个商品的评论中学习到该商品的特征和特点。为用户和项目学习的潜在特征用于在两个网络顶部引入的层中预测相应的等级。交互层是由矩阵分解技术驱动的，以使用户和项目的潜在因素彼此交互。
一个关键的贡献是，DeepCoNN使用预训练的词嵌入技术来表示评论文本，以从评论中提取语义信息。

模型优点：

1、拟议的深度合作神经网络（DeepCoNN）使用文本评论对用户行为和商品属性进行联合建模。 两个神经网络顶部的额外共享层连接了两个并行网络，因此用户和项目表示可以相互交互以预测收视率。 据我们所知，DeepCoNN是第一个使用神经网络对用户和商品进行评论建模的模型。
2、讲评论文本进行词嵌入，来进行模型的预训练。
3、不仅缓解了稀疏问题，还提高了准确性。

模型detail：

这是通过基于CNN的模型完成的，该模型由两个并行的神经网络组成，彼此耦合，顶部有一个共享层。

Look-up层：

在第一层（称为查询层）中，用户或项目的评论文本表示为单词嵌入的矩阵，以捕获评论文本中的语义信息。

CNN层：

是基于CNN的模型中用于发现用户和项目的多层功能的公共层，