从线性自编码器中发现主题

研究表明，在用户—物品交互的潜因子模型下，可从闭式线性自编码器的权重矩阵中直接发现潜在主题，无需额外训练。研究还提出新的物品和用户归一化方法，避免热门物品和高活跃用户主导主题。在六个公开数据集上，该方法的主题质量显著高于所有专用主题模型，并在各数据集上匹配或超过最佳线性自编码器，推荐性能则具有竞争力。