Collaborative Denoising Auto-Encoders for Top-N Recommender Systems, Wu+, WSDM'16

[AkihikoWatanabe]

https://dl.acm.org/citation.cfm?id=2835837

[AkihikoWatanabe]

Denoising Auto-Encoders を用いたtop-N推薦手法、Collaborative Denoising Auto-Encoder (CDAE)を提案。 モデルベースなCollaborative Filtering手法に相当する。corruptedなinputを復元するようなDenoising Auto Encoderのみで推薦を行うような手法は、この研究が初めてだと主張。

学習する際は、userのitemsetのsubsetをモデルに与え（noiseがあることに相当）、全体のitem setを復元できるように、学習する（すなわちDenoising Auto-Encoder）。 推薦する際は、ユーザのその時点でのpreference setをinputし、new itemを推薦する。

[AkihikoWatanabe]

221 もStacked Denoising Auto EncoderとCollaborative Topic Regression #226 を利用しているが、#221 ではarticle recommendationというspecificな問題を解いているのに対して、提案手法はgeneralなtop-N推薦に利用できることを主張。