AutoRec模型理解
AutoRec–单隐层神经网络推荐模型
1.1 AutoRec模型基本原理
AutoRec是一个标准的自编码器，其基本原理是利用协同过滤中的共现矩阵，完成物品向量/用户向量的自编码。再利用自编码结果得到用户对物品的预估评分，排序后即可得到推荐物品序列。
1.2 自编码器
自编码器指的是能够完成数据的自动编码的模型。无论是图像、音频，还是文本数据，都可以转换为向量的形式表示。
假设其数据向量为r,自编码器的作用是将向量r作为输入，通过自编码器的输出向量尽可能接近本身。
“尽可能”：说明自编码器输出结果与真实结果未必完相同，说明自编码器模型只保留最能表达数据的信息，做到降维的效果
自编码器的原理主要在于找到数据的重构函数h(r,theta),目标函数如下：
1.2 AutoRec的模型结构
