RBM用于协同过滤

Question

我的算法RBM用于协同过滤不会收敛...... 我认为RBM用于协同过滤的想法是

1. 初始w，b，c和随机的[0,1]

2. For By User 钳位数据 - ＆gt;可见（softmax）

   隐藏= sigmoid（b + W * V）

   隐藏运行吉布斯 - ＆gt; Hidden_​​gibbs

   肯定=隐藏*可见

   隐藏 - ＆gt;重建 - ＆gt; reconstruct_visible

   在reconstruct_visible上运行Gibbs - ＆gt; reconstruct_visible_gibbs

   negative = Hidden_​​gibbs * reconstruct_visible_gibbs

   结束

3. 更新

   w = w +（正 - 负）/ Number_User

   b = b +（visible - reconstruct_visible_gibbs）/ Number_User

   c = c +（Hidden - Hidden_​​gibbs）/ Number_User

我看过很多论文或讲座，不知道哪里出错了

Answer 1

这不是一个容易的问题！您对学习过程的描述看起来很好。但是，从描述到实际代码的错误还有很大的余地。此外，对于CF，＆＃34; vanilla＆＃34; RBM不会工作。

• 你是如何实现可见的＆＃34; softmax＆＃34;单位？

• 您是否使用＆＃34;单用户＆＃34;培训您的RBM？数据集，如原始作品[1]中所推荐的那样？

有两个关于体重更新和预测程序的细节与香草RBM略有不同

[1] Salakhutdinov http://www.machinelearning.org/proceedings/icml2007/papers/407.pdf