GMF模型公式的理解与缺点
NCF还保留着MF的缺点，采用内积的方式计算评分使得预测不准确，模型的表达能力不足（内积的方式过于简单）
NCF中的广义矩阵分解GMF部分采用将user和item的embedding先进行元素积，再输入线性层的方式计算分数，本质和MF的内积计算分数差不多，只是在MF的内积的各个元素上赋予了权值而已（推导见下图）。当这些权值为1的时候GMF就退化为MF（在不考虑激活函数的情况下）。
NCF(混合)模型：
GMF内积之后的结果和MLP部分的结果拼接送入预测层
GMF和MLP部分的user和item embedding 是分开训练的，这个可以根据模型的复杂度来设计embedding的维度（比如GMF简单可以设计维度低一些），这样就有更灵活的选择。
本文章是根据下面的视频进行总结的
【推荐算法】NeuralCF模型 —— 协同过滤与深度学习的结合_哔哩哔哩_bilibili
