深度学习在音乐推荐中的应用

协同过滤(Collaborative filtering)是推荐系统中最广泛应用的一种方法,传统基于协同过滤的方法使用用户-物品评分矩阵预测用户对物品的喜好。在音乐推荐中,由于评分矩阵的过于稀疏而无法学习出用户和音乐的潜在特征。为了解决该问题,本文提出了一种基于内容的堆叠式降噪自动编码器,其结合了基于内容的推荐和协同过滤的优点。在Kaggle的比赛数据集上,可以发现模型表现要优于传统的协同过滤方法。