题目： RecVAE: a New Variational Autoencoder for Top-NRecommendations with Implicit Feedback

摘要： 最近的研究表明，使用基于深度神经网络的自动编码器进行协同过滤具有优势。特别地，最近提出的使用多项式似然变分自编码的mult-VAEmodel，对top-N推荐给出了excel lent结果。在这项工作中，我们提出了一个来自于我们对变分自编码器正则化技术的研究的etherecommender-VAE（RecVAE）模型。RecVAE提出了一些改进变分自编码器正则化技术的新思想，包括一种新的潜在码的复合先验分布，一种为β-VAEframework设置β超参数的新方法，以及基于交替更新的训练新方法。在实验评估中，我们发现在经典的协同过滤数据集中，比先前提出的基于自动编码器的模型（包括多个VAEandRaCT）有更大的优越性，并提出了一个详细的消融研究来评估我们的新进展。