4 个月前

令人尴尬的浅层自动编码器用于稀疏数据

令人尴尬的浅层自动编码器用于稀疏数据

摘要

通过结合文献中的简单元素,我们定义了一个适用于稀疏数据的线性模型,特别是推荐系统中的隐式反馈数据。我们证明了该模型的训练目标具有闭式解,并讨论了由此产生的理论见解。令人惊讶的是,这个简单的模型在大多数我们实验中使用的公开数据集上,其排名准确性超过了包括深度非线性模型在内的多种最先进的协同过滤方法。

代码仓库

Darel13712/ease_rec
GitHub 中提及
recsys-benchmark/daisyrec-v2.0
pytorch
GitHub 中提及
AmazingDD/daisyRec
pytorch
GitHub 中提及
glami/sansa
GitHub 中提及
PreferredAI/cornac
tf
GitHub 中提及
jvbalen/autoencoders_cf
pytorch
GitHub 中提及
AhmadRK94/NeuEASE
pytorch
GitHub 中提及
franckjay/TorchEASE
pytorch
GitHub 中提及

基准测试

基准方法指标
collaborative-filtering-on-million-songEASE
Recall@20: 0.333
Recall@50: 0.428
nDCG@100: 0.389
collaborative-filtering-on-movielens-20mEASE
Recall@20: 0.391
Recall@50: 0.521
nDCG@100: 0.420
collaborative-filtering-on-netflixEASE
Recall@20: 0.362
Recall@50: 0.445
nDCG@100: 0.393

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
令人尴尬的浅层自动编码器用于稀疏数据 | 论文 | HyperAI超神经