上一节展示了如何使用矩阵分解来学习嵌入。但矩阵分解存在一些局限性，包括：
- 使用侧面特征困难（即查询ID /项目ID以外的任何特征）。因此，只能使用训练集中存在的用户或项目来查询模型。
- 建议的相关性。每个人都倾向于推荐受欢迎的项目，特别是在使用点积作为相似性度量时。最好是能够捕获特定的用户兴趣。
深度神经网络（DNN）模型可以解决矩阵分解的这些局限性。DNN可以轻松地合并查询特征和项目特征（由于网络输入层的灵活性），这有助于捕获用户的特定兴趣并提高建议的相关性。
Softmax DNN推荐
一种可能的DNN模型是softmax，它将问题看作多类预测问题，其中：
- 输入是用户查询。
- 输出是一个概率向量，其大小等于语料库中的项目数，表示与每个项目交互的概率; 例如，点击或观看YouTube视频的可能性。
输入
DNN的输入可包括：
- 密集特征（例如，观看自上次观看以来的时间和时间）
- 稀疏特征（例如，观看历史记录和国家/地区）
与矩阵分解方法不同，还可以添加年龄或国家区域等侧面特征。这里用x表示输入向量。
模型架构
模型架构决定了模型的复杂性和表现力。通过添加隐藏层和非线性激活函数（例如，ReLU），模型可以捕获数据中更复杂的关系。然而，增加参数的数量通常也使得模型更难以训练并且计算起来更复杂。最后一个隐藏层的输出用 $\psi (x) \in \mathbb R^d$ 表示。
Softmax输出：预测的概率分布
模型映射最后一层的输出， ψ(X)，通过softmax层到概率分布 $\hat p = h(\psi(x) V^T)$，其中：
- $h : \mathbb R^n \to \mathbb R^n$ 是softmax函数，由下式给出 $h(y)_i=\frac{e^{y_i}}{\sum_j e^{y_j}}$
- $V \in \mathbb R^{n \times d}$是softmax层的权重矩阵。
softmax层映射得分矢量$y \in \mathbb R^n$有时称为 (logits）为概率分布。
图3.预测的概率分布，$\hat p = h(\psi(x) V^T)$
你知道吗？
softmax这个名字是一个单词的游戏。“硬”（hard）表示将最大值的概率1分配给得分最高的项目 ÿ。相比之下，softmax为所有的项目分配非零概率，但是具有更高分数的项目其概率也越高。当 α→∞，分数缩放时，softmax $h(\alpha y)$ 收敛到"硬"最大值。
损失函数
最后，定义一个损失函数：
- $\hat p$，softmax层的输出（概率分布）；
- $p$，真值，真实标签，可以表示为归一化的多热分布（概率矢量）；
例如，可以使用交叉熵损失，因为正在比较两个概率分布。
Softmax嵌入
项目$j$的概率是$\hat p_j = \frac{\exp(\langle \psi(x), V_j\rangle)}{Z}$得到，其中 $Z$ 是一个不依赖$j$的归一化常数。
换一种说法，$\log(\hat p_j) = \langle \psi(x), V_j\rangle - log(Z)$，所以项目$j$的对数概率 是（最多为加性常数）两个d维度向量的点积 ，可以将其解释为查询和项目的嵌入：
- $\psi(x) \in \mathbb R^D$是最后一个隐藏层的输出，称之为查询$x$嵌入；
- $V_j \in \mathbb R^d$是将最后一个隐藏层连接到输出j的权重向量，称之为项目$j$嵌入；
注意： 由于log函数是一个递增函数，项目$j$概率最高的 $\hat p_j$ 会获得最高点积的项目$\langle \psi(x) , V_j\rangle$。因此，点积可以被解释为该嵌入空间中的相似性度量。
图5.项目的嵌入 $V_j \in \mathbb R^d$
DNN和矩阵分解
在softmax模型和矩阵分解模型中，系统都是对每一个项目 $j$学习嵌入向量 $V_j$。在矩阵分解中，将其称之为项目嵌入矩阵 $V \in \mathbb R^{n \times d}$；在DNN中，是通过softmax层的权重矩阵表示。
但是，查询嵌入的表示是不同的。在DNN中，不再是对每一个查询$i$学习一个嵌入$U_i$，而是系统从查询特征中学习映射查询特征X为查询嵌入$\psi(x) \in \mathbb R^d$。因此，可以将DNN模型视为矩阵分解的泛化。
使用物品特征
可以将相同的想法应用到学习项目嵌入上面吗？即，不是为每一个项目学习到一个嵌入，而是模型是否可以学习将项目特征映射到项目嵌入的非线性函数？答案是可以的。实现这一点需要使用双塔神经网络，该网络由两个神经网络组成：
- 一个神经网络映射查询特征$x_{query}$到查询嵌入$\psi(x_{\text{query}}) \in \mathbb R^d$
- 一个神经网络映射项目特征$x_{item}$到项目嵌入$\phi(x_{\text{item}}) \in \mathbb R^d$
模型的输出可以定义为点积 $\langle \psi(x_{\text{query}}), \phi(x_{\text{item}}) \rangle$。注意，这里不再是softmax模型。新模型预测每对$(x_{\text{query}}, x_{\text{item}})$值， 而不是每个查询$x_{query}$的概率向量。
