CNN提取文本特征，融合PMF模型实现推荐系统

本文提出了一种新的上下文感知推荐模型——卷积矩阵因式分解（convmf），将卷积神经网络（cnn）与概率矩阵因式分解（pmf）相结合。因此，convmf捕获了文档的上下文信息，进一步提高了评级预测的准确性。我们对三个现实数据集的广泛评估表明，即使在评级数据非常稀疏的情况下，convmf仍显著优于最先进的推荐模型。我们还证明convmf成功地捕获了文档中单词的细微上下文差异。

完整复现源码获取方式：

关注微信公众号 datayx 然后回复 推荐系统 即可获取。

convmf-左边是convmf的概率图模型，它集成了概率矩阵分解（pmf）模型和卷积神经网络（cnn）模型，右边是cnn模型利用项目描述文档的详细架构。从CNN模型中获得的文档潜在向量被用作项目变量（V）的高斯分布平均值，它在CNN和PMF之间起着重要的桥梁作用，有助于全面分析描述文档和评级。详情请参阅论文http://dl.acm.org/citation.cfm?id=2959165