Hybrid Recommender System based on Autoencoders

Strub, Florian; Gaudel, Romaric; Mary, Jérémie

Type de document :

Communication dans un congrès avec actes

DOI :

10.1145/2988450.2988456

Titre :

Hybrid Recommender System based on Autoencoders

Auteur(s) :

Strub, Florian [Auteur]
Sequential Learning [SEQUEL]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Gaudel, Romaric [Auteur]
Sequential Learning [SEQUEL]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Mary, Jérémie [Auteur]
Sequential Learning [SEQUEL]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]

Titre de la manifestation scientifique :

the 1st Workshop on Deep Learning for Recommender Systems

Ville :

Boston

Pays :

Etats-Unis d'Amérique

Date de début de la manifestation scientifique :

2016-09-15

Date de publication :

2016

Mot(s)-clé(s) en anglais :

Hybrid Recommender System
Autoencoder

Discipline(s) HAL :

Informatique [cs]/Apprentissage [cs.LG]

Résumé en anglais : [en]

A standard model for Recommender Systems is the Matrix Completion setting: given partially known matrix of ratings given by users (rows) to items (columns), infer the unknown ratings. In the last decades, few attempts where ...
Lire la suite >A standard model for Recommender Systems is the Matrix Completion setting: given partially known matrix of ratings given by users (rows) to items (columns), infer the unknown ratings. In the last decades, few attempts where done to handle that objective with Neural Networks, but recently an architecture based on Autoencoders proved to be a promising approach. In current paper, we enhanced that architecture (i) by using a loss function adapted to input data with missing values, and (ii) by incorporating side information. The experiments demonstrate that while side information only slightly improve the test error averaged on all users/items, it has more impact on cold users/items.Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Collections :

Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189

Source :

Harvested from HAL

Fichiers

https://hal.inria.fr/hal-01336912v2/document
Accès libre
Accéder au document

http://arxiv.org/pdf/1606.07659
Accès libre
Accéder au document

https://hal.inria.fr/hal-01336912v2/document
Accès libre
Accéder au document

https://hal.inria.fr/hal-01336912v2/document
Accès libre
Accéder au document

document
Accès libre
Accéder au document

AutoEnc.pdf
Accès libre
Accéder au document

1606.07659
Accès libre
Accéder au document

Hybrid Recommender System based on Autoencoders BibTeX CSV Excel RIS

Fichiers

Hybrid Recommender System based on Autoencoders

BibTeX

CSV

Excel

RIS