NCF

NCF

1. 论文

Neural network-based Collaborative Filtering

创新：结合神经网络的协同过滤

2. 模型结构

3. 实验数据集

采用ml-1m数据集进行测试，将其处理为用户序列。数据集的处理见utils文件。

4. 模型API

class NCF(Model):
    def __init__(self, feature_columns, hidden_units=None, dropout=0.2, activation='relu', embed_reg=1e-6, **kwargs):
        """
        NCF model
        :param feature_columns: A list. user feature columns + item feature columns
        :param hidden_units: A list.
        :param dropout: A scalar.
        :param activation: A string.
        :param embed_reg: A scalar. The regularizer of embedding.
        """

5. 实验超参数

• file：ml-1m文件；
• trans_score：阈值，1；
• test_neg_num：测试集物品数量，100；
• embed_dim：embedding维度，32；
• hidden_units：mlp的隐藏单元列表，[256, 128, 64]
• activation：relu；
• dropout：0.2；
• embed_reg：embedding正则化参数，1e-6；
• K：top@k，10；
• learning_rate：学习率，0.001；
• batch_size：512；
• epoch：20；

6. 实验结果

采用ml-1m数据集数据（序列推荐的处理方法），最终测试集的结果为：HR = 0.5265, NDCG = 0.2662；【采用用户最后一个item进行预测，结果好像很差】

若使用论文的数据集，可通过v1.0版本进行测试；