标签：log 传统 related 部分 nan http 实验 pap neu
再一次阅读了何向南教授在2017WWW上发的论文：Neural Collaborative Filtering，原文链接：https://www.comp.nus.edu.sg/~xiangnan/papers/ncf.pdf
本人读英文还是很不流畅，读原文时容易走神或者是对文中内容一知半解。有幸找到两篇好的网上翻译，仅供参考：
全文翻译：https://www.cnblogs.com/HolyShine/p/6728999.html
论文大纲：https://www.jianshu.com/p/0fb830696a1c
部分术语解读:https://blog.csdn.net/stalbo/article/details/79431662
个人感悟：
1.本文研究核心重点在于，隐式数据的研究。所谓隐式数据，就是用户的交互数据，如评论历史，购买历史，浏览记录，搜索记录等。显式数据，如打分数据。而在实际生活例子中，很多隐式数据的应用，比如电子商城中的浏览或购买记录，某音乐app中的评论等。所以，个人认为这是一个很好的切入点。更多有关隐式数据的研究，可以参见原文Part 5, Related Work, 以及附录中相关研究。可以顺着该思路，研究下去。
2.原文写的很完整，评测指标，研究现状，实验对比等等。并且数据有公开数据集，作者也公开了github源码。
3.传统的协同过滤方法用的很多了，再者就是MF（matrix factorization，矩阵分解）方法，本文再进一步融合了MF和DNN方法，效果有没有提升呢？自己可以亲自动手验证一下哦。改进的方法，是不是能够做到更好的推荐效果呢？是否能更好的识别用户的兴趣呢？可以实践且深挖一下。
标签：log 传统 related 部分 nan http 实验 pap neu
原文地址：https://www.cnblogs.com/qiezi-online/p/12825907.html
