repose https://blog.hatena.ne.jp/repose/ 糞糞糞ネット弁慶 https://repose.hatenadiary.jp/ 論文 (pdf) 手法 ユーザの評価したアイテム集合にノイズを載せ，それを復元する AutoEncoder (AE) を学習する． その際，入力層にユーザ固有のノードを1つ追加し，その上で全隠れ層に対してユーザノードから(ユーザ固有の)重みを持った枝を張る． これがただのAEによる推薦と違う，とのこと． あとは損失関数をpointwiseにするかpairwiseにするかとか提案されている． 読解力が極端に悪いせいなのか，えらくシンプルな論文だった． 実験の章，3つのデータセットで試したはずの実験が2つの結果の表しか掲載されていないことだけがよくわからない． 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Frepose.hatenadiary.jp%2Fentry%2F20160131%2F1454244561" title=" Collaborative Denoising Auto-Encoders for Top-N Recommender Systems (WSDM 2016) 読んだ - 糞糞糞ネット弁慶" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2016-01-31 21:49:21 rich https://repose.hatenadiary.jp/entry/20160131/1454244561 1.0 100%