Collaborative Deep Learning for Recommender Systems : Practice
source : https://github.com/js05212/CDL.git
example/cdl_main.m이 시작점.
첫파일부터 모르는 함수(feature)등장해서 보니 undocumented라고 함.[3] 핵심 알고리즘과는 전혀무관.
MXNet for CDL
https://github.com/js05212/MXNet-for-CDL.git
Loss는 다음과 같다 $$\begin{align} \mathscr{L}=&-\frac{\lambda_u}{2}\sum_i ||u_i||_2^2-\frac{\lambda_w}{2}\sum_l(||W_l\|_F^2+\|b_l||_2^2) \nonumber \\ &-\frac{\lambda_v}{2}\sum_j||v_j-f_e(X_{0,j*},W^+)^T||_2^2 \nonumber \\ &-\frac{\lambda_n}{2}\sum_j||f_r(X_{0,j*},W^+)-X_{c,j*}||_2^2 \nonumber \\ &-\sum_{i,j}\frac{C_{ij}}{2}(R_{ij}-u_i^Tv_j)^2,\nonumber \\ \end{align}$$ 여기서 hyper parameter를 모두 2로 두고, 알아보기 쉽게 \(f_e, f_r\)도 간략히 하고(\(f_e\)는 dimension이 작은 중간결과, \(f_r\)은 dimension동일한 최종결과), confidence parameter(\(C_{ij}\))를 1 or 0으로 두면, $$\begin{align} \mathscr{L}=&-\sum_i ||u_i||_2^2-\sum_l(||W_l\|_F^2+\|b_l||_2^2) \nonumber \\ &-\sum_j||v_j-f_e^T||_2^2 \nonumber \\ &-\sum_j||f_r-X_{c,j*}||_2^2 \nonumber \\ &-\sum_{i,j}\frac{C_{ij}}{2}(R_{ij}-u_i^Tv_j)^2,\nonumber \\ \end{align}$$
MXNet
mxnet[4] implementation, so pip install mxnet
실행에 필요한 파일(PGM-CDL.png 이런거)은 https://github.com/dmlc/web-data/tree/master/mxnet/cdl 여기 있다. mxnet의 일부. 다운따로 받을필요는 없고.
- BCD for MF
- U is the user latent matrix, V is the item latent matrix