协同过滤的变分自编码器

WWWFeb, 2018

Variational Autoencoders for Collaborative Filtering

Dawen Liang, Rahul G. Krishnan, Matthew D. Hoffman, Tony Jebara

TL;DR本研究提出一种基于 VAE 的非线性概率模型，用于解决协作过滤问题，相对于现有的线性因子模型，具有更强的建模能力，并使用贝叶斯推断进行参数估计来得到更好的泛化性能。本方法在现有多个数据集上均取得了显著优异的性能表现，并对使用多项式分布作为似然函数进行了比较实验，分析了使用贝叶斯方法的优缺点及适用场景。

Abstract

We extend variational autoencoders (VAEs) to collaborative filtering for implicit feedback. This non-linear probabilistic model enables us to go beyond the limited modeling capacity of linear factor models which

variational autoencoders collaborative filtering recommender systems multinomial likelihood bayesian inference

发现论文，激发创造

一种用于协同过滤的混合变分自编码器

本文利用变分自编码器和电影嵌入向量，应用于电影推荐，通过 VAE 网络获取潜在表示，探索了合作式过滤的新方法。

Jul, 2018

使用变分自编码器和异质先验进行物品推荐

本文提出了一种在 Variational Autoencoders 框架下利用用户评论文本并加入用户自适应先验来提高协同过滤推荐质量的方法，实验证明该方法比已有的基于用户评分与文本的推荐模型有更高的排名指标。

Jul, 2018

基于顺序变分自编码器的协同过滤

本文中我们提出了一种基于循环神经网络的变分自编码器模型，用于建模用户偏好，并且通过处理时间信息以改善精度。我们的模型可以捕捉用户消费序列中的时间依赖关系，并保持变分自编码器的基本特征。

Nov, 2018

对抗变分贝叶斯：统一变分自编码器和生成对抗网络

介绍了 Adversarial Variational Bayes 技术，可以用于训练具有任意表达力的推理模型的变分自编码器，并将其与生成对抗网络建立起了原则上的联系。

Jan, 2017

RecVAE：一种新的变分自编码器，用于使用隐式反馈的 Top-N 推荐

该论文提出了基于变分自编码器的推荐 VAE（RecVAE）模型，通过多种方法改进了 Mult-VAE 模型并优于以前提出的基于自编码器的模型，实验结果表明 RecVAE 显著优于先前提出的基于自编码器的模型。

Dec, 2019

面向协同过滤的分摊排序关键训练

本文提出了一种基于 actor-critic reinforcement learning 的协同过滤训练方法，使用 critic network 逼近排名度量指标，并通过 update actor network 来直接优化学习出的指标，当前方法好于现有的基于深度学习的方法，并被证明在大规模实际数据集上效果显著。

Jun, 2019