studyless的博客

简介：和上一篇介绍的ICLR 2016文章所要解决的问题一致，即利用session内用户的点击序列去预测用户下一次点击的item。方法也运用的RNN，但是更多在于引入了一些优化方法，如data augmentation, model pretrain, generalized distillation ( use of privileged information) 等。

theano是一个经典的深度学习工具包，尽管是当前众多深度学习框架中唯一不支持分布式的，但其入门快、使用简单、对自定义修改的支持佳等都让它目前还是非常流行。本文结合基于theano实现的logistic regression的过程来讲解theano入门的基础知识点，主要知识点详见code中的注释。############################ # # logistic regression

上一篇以实现logistic regression为例讲解了theano的基础用法。本篇以MLP的示例进一步讲解theano里更高级的用法，以及一般的模型写法。详情见代码中的示例。

前一阵子阅读了部分deep learning结合Collaborative filtering的工作，准备写一系列的阅读笔记，这是作为预热的第一篇，也是最easy的一篇，WWW 2015的poster，看起来很快。在传统的CF里，所用的信息即为所有用户历史的评分数据，按用户做行，item做列，可以得到一个rating matrix RR，其中Rij指useriuser_i对itemjitem_j的打