1、Information
publication：AAAI2016
2、What
基于BPR模型的改进：在商品喜好偏序对的学习中，将商品图片的视觉信息加入进去，冷启动问题。
3、Dataset
Amazon Women,Amazon Man,Amazon phone,Tradsy.com
4、How
input:
Ds(u,i,j):用户购买商品偏序关系对的集合,fi:采用Deep CNN训练的item图像特征向量
output:
VBPR模型参数.
本文中只使用了MF模型
MF: X=WH‘.输出为W,H，以及item 图片embeding的参数
method：随机选取购买了item i 的group,根据(u,i)>(u,j),随机梯度下降的方法训练模型。
5、Evaluation:AUC
baseline:Random,POPRank,MM-MF, BPR
6、Conclusion
论文贡献：改进模型，提高实验效果。
VBPR: Visual Bayesian Personalized Ranking from Implicit Feedback-AAAI2016 -20160422
原文：http://www.cnblogs.com/baiting/p/5420821.html