# NeuralCF

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第3章 深度学习在推荐系统中的应用
- 页码线索：63-67
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P1
- 标签：neuralcf, matching, collaborative-filtering

## 面试问题

NeuralCF 如何把协同过滤和深度学习结合？

## 30 秒回答

NeuralCF 用神经网络替代矩阵分解中的简单内积，让用户向量和物品向量通过非线性网络交互，增强匹配函数的表达能力。

## 展开要点

- 矩阵分解的内积是固定、简单的匹配函数。
- NeuralCF 学习更灵活的用户-物品交互。
- 可结合 GMF 和 MLP 两类结构。
- 局限是仍较依赖 ID 类协同行为，冷启动和特征融合仍需扩展。

## 高频追问

- 为什么内积表达能力有限？
- NeuralCF 和双塔召回有什么区别？
- 如何处理新用户？

## 项目映射

- 学习用户和职位/课程/内容的匹配函数。
- 把简单相似度升级为可训练匹配网络。

## AI PM 迁移

AI PM 可用它理解：匹配不仅是向量相似，还可以学习更复杂的交互函数。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。