基于浅层并行路径的深度变分自编码器用于Top-N推荐（VASP）

最近提出的 EASE 算法为解决 Top-N 推荐任务提供了一种简洁而优雅的方案。本文中，我们进一步引入 Neural EASE，通过融合现代神经网络的训练技术，显著提升了该算法的性能。与此同时，推荐系统社区对利用变分自编码器（Variational Autoencoders, VAE）解决推荐任务的兴趣日益增长。为此，我们提出了一种深度自编码器 FLVAE，其具备多层非线性结构，且无需引入信息瓶颈机制，同时避免了对恒等映射的过拟合问题。我们展示了如何将 FLVAE 与 Neural EASE 并行学习，并在 MovieLens 20M 数据集上取得了当前最优的性能表现，在 Netflix Prize 数据集上也获得了具有竞争力的实验结果。