1.3.2　模型設計

獲得數據集并進行預處理之后，進行神經網絡的構建和設計，包括定義嵌入矩陣、構建全連接層和損失函數。

1．定義嵌入矩陣

神經網絡的起點是嵌入層，包括用戶特征和電影特征。其中，對于用戶特征，只需將預處理后的數據作為嵌入矩陣的索引即可。電影特征需要分類討論，然后多個矩陣相加求和，因為一部電影可能有多種類型特征，對電影名稱的分析則需要用到文本卷積網絡。

文本卷積網絡的第一層是詞嵌入層，由每一個單詞的嵌入向量組成嵌入矩陣。第二層是使用多個不同窗口大小的卷積核在嵌入矩陣上做卷積（窗口大小是指每次卷積覆蓋幾個單詞）運算，文本卷積要覆蓋整個單詞的嵌入向量。第三層網絡通過最大池化得到一個長向量，最后使用Dropout進行正則化，得到電影名稱的特征。

2．構建全連接層

從嵌入層索引出特征后，將各特征傳入全連接層，將得到的輸出結果再次傳入全連接層，最終得到用戶特征和電影特征向量。

3．損失函數

直接將用戶特征和電影特征進行矩陣乘法運算得到預測評分，再用MSE算法將預測評分與真實評分進行回歸運算得到損失函數。