ABSTRACT
In recent years, deep neural networks have yielded immense
success on speech recognition, computer vision and natural
language processing. However, the exploration of deep neural networks on recommender systems has received relatively
less scrutiny. In this work, we strive to develop techniques
based on neural networks to tackle the key problem in recommendation — collaborative filtering — on the basis of
implicit feedback.
Although some recent work has employed deep learning
for recommendation, they primarily used it to model auxiliary information, such as textual descriptions of items and
acoustic features of musics. When it comes to model the key
factor in collaborative filtering — the interaction between
user and item features, they still resorted to matrix factorization and applied an inner product on the latent features
of users and items.
By replacing the inner product with a neural architecture
that can learn an arbitrary function from data, we present
a general framework named NCF, short for Neural networkbased Collaborative Filtering. NCF is generic and can express and generalize matrix factorization under its framework. To supercharge NCF modelling with non-linearities,
we propose to leverage a multi-layer perceptron to learn the
user–item interaction function. Extensive experiments on
two real-world datasets show significant improvements of our
proposed NCF framework over the state-of-the-art methods.
Empirical evidence shows that using deeper layers of neural
networks offers better recommendation performance.
-
최근 딥러닝은 엄청난 성과를 올리고있다. 음성 스피치, 컴퓨터 비젼, 자연어 분야에서
-
하지만 추천시스템 분야의 딥러닝 연구에서는 아직 깊은 연구가 부족하다.
-
이번 연구에서 우리는 기술을 발전시키려고 노력할 것이다. 추천 분야에서 딥러닝을 기반으로 하는 기술이 겪는 핵심 문제들을 - collaborative filtering - 암묵적 피드백을 기반으로 한
-
비록 일부 최근 작업이 추천에서 딥러닝을 사용했지만, 그것들은 모델의 정보를 보조하는 역할로 주로 사용되었다. 아이템의 문맥 묘사나 음악의 특징을 추출하는 용으로
-
협업필터에서 딥러닝이 핵심 모델이 될 때, 유저와 아이템간의 상호작용, 그들은 행렬 요소로 복원한다. 그리고 내적을 적용한다. 유저와 아이템 간의 잠재 백터에서
-
내적으로 뉴럴 구조로 변경하는 것으로(데이터로부터 임의의 함수를 학습할 수 있는), 우리는 NCF라고 불리는 보편적인 프레임워크를 선보일 수 있다.
-
NCF는 보편적이고 표현할 수 있으며 matrix factorization을 생성할 수 있다.
-
비선형성을 포함한 NCF 모델링을 사용하기 위해, 우리는 MLP를 제안한다. 유저와 아이템간의 상호작용 함수로
-
두 개의 실제 세계의 데이터셋에서 확장된 실험은 상당히 중요한 진보를 보여준다. 우리가 제시한 NCF 프레임워크의 sota 방법 이상의
-
경험적 증거가 추천 시스템에서 딥러닝의 사용이 성능을 향상시켜주고 있음을
