Просмотр

Материал из MachineLearning.

У вас нет прав на выполнение этой операции по следующим причинам:

• Запрошенное действие могут выполнять только участники из групп emailconfirmed, Администраторы.
• Вы должны подтвердить ваш адрес электронной почты перед правкой страниц. Пожалуйста, введите и подтвердите ваш адрес эл. почты на странице настроек.

Вы можете просмотреть и скопировать исходный текст этой страницы:

== Промпт == <pre style="white-space: pre-wrap;"> Статья сгенерирована Claude Opus 4.8 по следующему промпту. Ты специалист в области машинного обучения, профессор в ведущем техническом университете и популяризатор науки. Напиши статью для русскоязычной вики-энциклопедии MachineLearning.ru на тему «Neural Collaborative Filtering (NCF)». Статья должна быть полезна как новичку (понятно даются определения, популярно объясняются идеи, сначала интуиция — потом формула), так и профессионалу (строгие выкладки, актуальные научные результаты, полезные ссылки). Тон — академический и живой, как хороший учебник, а не сухой реферат. Содержательные акценты: — Суть метода: NCF моделирует взаимодействие пользователя и объекта нейросетью над их эмбеддингами вместо фиксированного скалярного произведения матричной факторизации; это обобщающая рамка, а не одна модель. — Разобрать с выводом, а не декларацией: общую схему NCF (эмбеддинги из one-hot → слои функции взаимодействия → сигмоида); GMF (поэлементное произведение с обучаемым взвешиванием) и явно показать, что MF — её частный случай при тождественной активации и единичном векторе весов; MLP (конкатенация эмбеддингов + полносвязные слои); NeuMF (слияние GMF и MLP с раздельными эмбеддингами и предобучением ветвей); функцию потерь — бинарную кросс-энтропию с негативным сэмплированием, и почему пойнтвайз-лог-лосс, а не квадратичная ошибка. — Включить минимум один неочевидный для эксперта факт. Здесь это переоценка метода Rendle et al. (2020): при честном подборе гиперпараметров скалярное произведение (хорошо настроенная MF) превосходит обученную MLP-похожесть, а MLP с трудом выучивает даже само скалярное произведение, несмотря на теорему об универсальной аппроксимации. Вывод: усложнение архитектуры не заменяет честной настройки и сравнения с сильным базовым методом. — Явно провести связь с матричной факторизацией (MF как частный случай GMF) и с неявной обратной связью (бинарная постановка, ноль = отсутствие наблюдения, а не негатив). Структура (обязательный порядок разделов): вводные 2–3 абзаца без заголовка → Историческая справка → Постановка задачи → Метод (с вложенными подразделами) → Связь с матричной факторизацией и переоценка метода → Свойства (Преимущества / Ограничения) → Применение → См. также → Ссылки → Литература → категории. Оформление — вики-разметка MachineLearning.ru: — Все формулы через теги <tex>...</tex>. Выключные формулы с отбивкой <br />. — Соблюдать ограничения движка texvc: все надстрочные индексы в фигурных скобках (^{d}, а не ^d); не использовать \tfrac (только \frac); не использовать кириллицу внутри \text{...} (каждая буква превращается в [?] — русские слова, включая «при условиях», выносить в обычный текст); не использовать \arg\min и \operatorname (заменять на \min с условием в нижнем индексе); не использовать матричные окружения \begin{...} (конкатенацию векторов записывать как [a ; b]); двоеточие в множествах заменять на \mid; двоеточие вида F : R^d → R выносить в текст; индекс у закрывающей скобки оборачивать через \bigr\}_{...}; вертикальную черту с размером — через \left.\right| вместо \bigg|. — Внутренние ссылки через [[...]], список литературы — ненумерованный (через *), источники-статьи оформлять шаблоном {{статья}}. — Сноски <ref> не использовать (движок их не поддерживает): отсылки давать в скобках прямо в тексте вида (He et al., 2017), полные описания — в разделе Литература. — Не включать блоки кода: это энциклопедия, а не туториал. — Не использовать слова-паразиты «очевидно», «следует отметить», «легко видеть», «заметим что». ЧЕКЛИСТ ПЕРЕД ПУБЛИКАЦИЕЙ: - [ ] {{TOCright}} на второй строке - [ ] Вводный абзац 2–3 абзаца без заголовка - [ ] Есть == Историческая справка == - [ ] Разделы вложены (=== внутри ==) - [ ] Все выключные формулы с <br /> до и после - [ ] Нет \}_{...} — заменено на \bigr\}_{...} - [ ] Нет \colon и : в формулах с \mathbb — вынесено в текст - [ ] Нет \bigg| — заменено на \left.\right| - [ ] Нет \tfrac — заменено на \frac - [ ] Нет кириллицы внутри \text{...} - [ ] Нет \arg\min / \operatorname / \begin{...} — заменено на допустимые аналоги - [ ] Все ^x — заменены на ^{x} - [ ] Сноски <ref> проверены; если ошибка — заменить на отсылки в скобках - [ ] Литература через {{статья}} / {{книга}} / {{cite web}}, список через * - [ ] Есть == Ссылки == с внешними URL - [ ] Категории в конце - [ ] Нет блоков кода - [ ] Пустая строка между разделами - [ ] Есть минимум один неочевидный факт для эксперта - [ ] Промпт оформлен в Обсуждении через <pre style="white-space: pre-wrap;"> </pre>

Возврат к странице Обсуждение:Neural Collaborative Filtering.