Neural Matrix Factorization (NeuMF) = Generalized MF (GMF) + MLP
$$ \begin{aligned}\phi^{G M F} & =\mathbf{p}_u^G \odot \mathbf{q}_i^G, \\\phi^{M L P} & =a_L\left(\mathbf{W}L^T\left(a{L-1}\left(\ldots a_2\left(\mathbf{W}_2^T\left[\begin{array}{l}\mathbf{p}_u^M \\\mathbf{q}_i^M\end{array}\right]+\mathbf{b}_2\right) \ldots\right)\right)+\mathbf{b}L\right) \\\hat{y}{u i} & =\sigma\left(\mathbf{h}^T\left[\begin{array}{l}\phi^{G M F} \\\phi^{M L P}\end{array}\right]\right),\end{aligned} $$
Element-wise product (GMF)와 concatenation (MLP) 을 결합
MF 모델의 한계로 지적되어온 linear model의 표현력의 한계를 극복하고자 함
이후의 연구들에서 반대되는 결과가 보고되기도 함 (Lecture 1 참고)